step-3
1,145±12
1,133CI1,157
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.308
- Ultima sincronizare
- 8 minacum 8 minute
Toate sursele se sincronizează normal
- Arena · Text· acum 12 ore
- Arena · WebDev· acum 12 ore
- Arena · Vision· acum 12 ore
- Arena · Agent· acum 12 ore
- GPQA Diamond· acum 8 minute
- SWE-bench· acum 8 minute
- Terminal-Bench· acum 8 minute
- ARC-AGI-2· acum 8 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 | |||||
|---|---|---|---|---|---|---|---|---|---|
| 107 | step-3 | stepfun | oct. 2026 | — | 1,145 | 1,133–1,157 | #155–556 |
Se afișează Vision Arena 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.