gpt-4o-2024-08-06
49.2%±2.6%
46.6%CI51.8%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.308
- Ultima sincronizare
- 1 hacum 1 oră
Toate sursele se sincronizează normal
- Arena · Text· acum 11 ore
- Arena · WebDev· acum 11 ore
- Arena · Vision· acum 11 ore
- Arena · Agent· acum 11 ore
- GPQA Diamond· acum 1 oră
- SWE-bench· acum 1 oră
- Terminal-Bench· acum 1 oră
- ARC-AGI-2· acum 1 oră
Filtrează după organizație:
Lansat:
gpt-4o-mini-2024-07-18
37.7%±2.4%
35.3%CI40.1%
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 146 | gpt-4o-2024-08-06 | OpenAI | mai 2024 | $2.50 / $10 | 49.2% | 46.6%–51.8% | #154–955 | ||
| 181 | gpt-4o-mini-2024-07-18 | OpenAI | iul. 2024 | $0.15 / $0.60 | 37.7% | 35.3%–40.1% | #236–1023 |
Se afișează GPQA Diamond 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.