o1-2024-12-17
9.3%±1.7%
7.6%CI11.0%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 33 minacum 33 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 8 ore
- Arena · WebDev· acum 8 ore
- Arena · Vision· acum 8 ore
- Arena · Agent· acum 8 ore
- 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:
o1-mini-2024-09-12
1.7%±0.8%
1.0%CI2.5%
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 39 | o1-2024-12-17 | OpenAI | dec. 2024 | $15 / $60 | 9.3% | 7.6%–11.0% | #127–229 | ||
| 58 | o1-mini-2024-09-12 | OpenAI | sept. 2024 | — | 1.7% | 1.0%–2.5% | #185–761 |
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.