o3-2025-04-16
81.8%±2.1%
79.7%CI83.9%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 40 minacum 40 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 2 ore
- Arena · WebDev· acum 2 ore
- Arena · Vision· acum 2 ore
- Arena · Agent· acum 2 ore
- GPQA Diamond· acum 40 de minute
- SWE-bench· acum 40 de minute
- Terminal-Bench· acum 40 de minute
- ARC-AGI-2· acum 40 de minute
Filtrează după organizație:
Lansat:
o3-mini-2025-01-31
77.0%±2.6%
74.4%CI79.6%
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 86 | o3-2025-04-16 | OpenAI | apr. 2025 | $2 / $8 | 81.8% | 79.7%–83.9% | #79–318 | ||
| 94 | o3-mini-2025-01-31 | OpenAI | ian. 2025 | $1.10 / $4.40 | 77.0% | 74.4%–79.6% | #127–391 |
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.