o3-2025-04-16
18.7%±2.3%
16.4%CI21.0%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 37 minacum 37 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 6 ore
- Arena · WebDev· acum 6 ore
- Arena · Vision· acum 6 ore
- Arena · Agent· acum 6 ore
- GPQA Diamond· acum 38 de minute
- SWE-bench· acum 38 de minute
- Terminal-Bench· acum 37 de minute
- ARC-AGI-2· acum 37 de minute
Filtrează după organizație:
Lansat:
o3-mini-2025-01-31
12.4%±1.9%
10.5%CI14.4%
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 32 | o3-2025-04-16 | OpenAI | apr. 2025 | $2 / $8 | 18.7% | 16.4%–21.0% | #79–318 | ||
| 36 | o3-mini-2025-01-31 | OpenAI | ian. 2025 | $1.10 / $4.40 | 12.4% | 10.5%–14.4% | #127–388 |
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.