gpt-4o-mini-2024-07-18
8.3%±0.9%
7.4%CI9.2%
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 34 minacum 34 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 34 de minute
- SWE-bench· acum 34 de minute
- Terminal-Bench· acum 34 de minute
- ARC-AGI-2· acum 34 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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 81 | gpt-4o-mini-2024-07-18 | OpenAI | iul. 2024 | $0.15 / $0.60 | 8.3% | 7.4%–9.2% | #236–1023 |
Se afișează SimpleQA Verified 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.