gemini-3.8-flash
44.5%±2.0%
42.6%CI46.5%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 28 minacum 28 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 7 ore
- Arena · WebDev· acum 7 ore
- Arena · Vision· acum 7 ore
- Arena · Agent· acum 7 ore
- GPQA Diamond· acum 29 de minute
- SWE-bench· acum 29 de minute
- Terminal-Bench· acum 28 de minute
- ARC-AGI-2· acum 29 de minute
Filtrează după organizație:
Lansat:
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 5 | gemini-3.8-flash | Google DeepMind | oct. 2026 | $0.83 / $4.13 | 44.5% | 42.6%–46.5% | #2–29 |
Se afișează Humanity's Last Exam 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.