o1-2024-12-17
1,402±4
1,398CI1,407
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 38 minacum 38 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 38 de minute
- SWE-bench· acum 38 de minute
- Terminal-Bench· acum 38 de minute
- ARC-AGI-2· acum 38 de minute
Filtrează după organizație:
Lansat:
o1-preview
1,389±5
1,384CI1,394
o1-mini
1,337±4
1,333CI1,340
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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 145 | o1-2024-12-17 | openai | dec. 2024 | $15 / $60 | 1,402 | 1,398–1,407 | #127–229 | ||
| 164 | o1-preview | openai | sept. 2024 | — | 1,389 | 1,384–1,394 | #147–314 | ||
| 218 | o1-mini | openai | sept. 2024 | — | 1,337 | 1,333–1,340 | #185–761 |
Se afișează General 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.