20251127_openhands_claude-opus-4-5
62±0
61interval62
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 57 minacum 57 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 57 de minute
- SWE-bench· acum 57 de minute
- Terminal-Bench· acum 57 de minute
- ARC-AGI-2· acum 57 de minute
Filtrează după organizație:
Lansat:
OpenHands
57±0
56interval57
OpenHands + 4x Scaled (2024-02-03)
53±0
53interval54
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 | Interval | Oscilație | i | i | i | i | i | i | i | i | i | i | i | i | i | i | i | i | i | i | i | i | i | i | Adaugă la comparație | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 110 | 20251127_openhands_claude-opus-4-5 | — | — | — | 61.7 96.9Clasat 61.7 = (1 × 96.9 + 3 × 50) ÷ 4. 96.9 este percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | — | — | 1/22redusă | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 97 | — | — | — | — | — | ||
| 227 | OpenHands | — | — | — | 56.7 76.9Clasat 56.7 = (1 × 76.9 + 3 × 50) ÷ 4. 76.9 este percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | — | — | 1/22redusă | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 77 | — | — | — | — | — | ||
| 322 | OpenHands + 4x Scaled (2024-02-03) | — | — | — | 53.3 63.1Clasat 53.3 = (1 × 63.1 + 3 × 50) ÷ 4. 63.1 este percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | — | — | 1/22redusă | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 63 | — | — | — | — | — | ||
| 431 | OpenHands + CodeAct v2.1 (claude-3-5-sonnet-20241022) | — | — | — | 49.4 47.7Clasat 49.4 = (1 × 47.7 + 3 × 50) ÷ 4. 47.7 este percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | — | — | 1/22redusă | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 48 | — | — | — | — | — |
Mixul este contractat după acoperire; scorul compus brut apare gri lângă el · O insignă „redusă” înseamnă că mai puțin de 3 clasamente au evaluat acest model