gemini-2.5-pro
14.1%±2.0%
12.1%CI16.2%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 33 minacum 33 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 54 de minute
- Arena · WebDev· acum 54 de minute
- Arena · Vision· acum 54 de minute
- Arena · Agent· acum 54 de minute
- GPQA Diamond· acum 33 de minute
- SWE-bench· acum 33 de minute
- Terminal-Bench· acum 33 de minute
- ARC-AGI-2· acum 33 de minute
Filtrează după organizație:
Lansat:
gemini-2.5-pro-preview-06-05
10.3%±1.8%
8.6%CI12.1%
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 35 | gemini-2.5-pro | Google DeepMind | iun. 2025 | $1.25 / $10 | 14.1% | 12.1%–16.2% | #60–432 | ||
| 37 | gemini-2.5-pro-preview-06-05 | Google DeepMind | iun. 2025 | $1.25 / $10 | 10.3% | 8.6%–12.1% | #137–351 |
Se afișează FrontierMath 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.