gpt-4-0613
1.1%±0.5%
0.6%CI1.6%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.308
- Ultima sincronizare
- 1 minacum 42 de secunde
Toate sursele se sincronizează normal
- Arena · Text· acum 53 de secunde
- Arena · WebDev· acum 51 de secunde
- Arena · Vision· acum 49 de secunde
- Arena · Agent· acum 42 de secunde
- GPQA Diamond· acum 25 de minute
- SWE-bench· acum 25 de minute
- Terminal-Bench· acum 25 de minute
- ARC-AGI-2· acum 25 de minute
Filtrează după organizație:
Lansat:
O singură grilă, toate coloanele. Alege axe din panoul Axe — o axă clasifică precum un singur clasament, mai multe se combină într-un scor compus ponderat, toate la un loc se citesc ca indexul. Locul este atribuit înaintea oricărui filtru și nu se renumerotează niciodată.
| Model | Organizație | ± CI | Oscilație | Adaugă la comparație | |||||
|---|---|---|---|---|---|---|---|---|---|
| 192 | gpt-4-0613 | OpenAI | iun. 2023 | — | 1.1% | 0.6%–1.6% | #270–976 |
Se afișează AIME (matematică) exact așa cum a publicat-o sursa — propriul scor și interval de încredere, fără mix. Selectează o a doua axă ca să construiești un scor compus ponderat.