Sari la conținut

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Benchmark-uri

Surse
8
Intrări urmărite
22.310
Ultima sincronizare
29 min
Toate sursele se sincronizează normal
  • Arena · Textacum 6 ore
  • Arena · WebDevacum 6 ore
  • Arena · Visionacum 6 ore
  • Arena · Agentacum 6 ore
  • GPQA Diamondacum 29 de minute
  • SWE-benchacum 29 de minute
  • Terminal-Benchacum 29 de minute
  • ARC-AGI-2acum 29 de minute

Opus 5.5

63±1

60interval63

Anthropicoscilație #97–#97

General ×1WebDev Arena ×1Vision Arena ×1Factuality Arena ×1Search Arena ×1Document Arena ×1Agent Arena ×1GPQA Diamond ×1AIME (matematică) ×1FrontierMath ×1SimpleQA Verified ×1ARC-AGI-2 ×1Humanity's Last Exam ×1SimpleBench ×1LiveBench ×1BFCL v4 (apelare de funcții) ×1inactivSWE-bench Verified (clasament live) ×1Terminal-Bench 4.0 ×1MMLU-Pro (Artificial Analysis) ×1LiveCodeBench (Artificial Analysis) ×1IFBench (Artificial Analysis) ×1Halucinații HHEM (Vectara) ×14 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
3Claude Opus 5.5 (High)anthropicoct. 2026$4 / $2084.3 94.6Clasat 84.3 = (10 × 94.6 + 3 × 50) ÷ 13. 94.6 este percentila medie pe cele 10 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.81–862410/22#2–1199100959976—10084100—9598——————————
6Claude Opus 5 (Max)anthropicsept. 2026$5 / $2583.2 91.5Clasat 83.2 = (12 × 91.5 + 3 × 50) ÷ 15. 91.5 este percentila medie pe cele 12 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.79–862012/22#5–11979692977989879492—8096—99————————
97Opus 5.5Anthropic——62.5 100.0Clasat 62.5 = (1 × 100.0 + 3 × 50) ÷ 4. 100.0 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.60–63—1/22redusă——————————————————100————
218Opus 5Anthropic——57.1 78.3Clasat 57.1 = (1 × 78.3 + 3 × 50) ÷ 4. 78.3 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.54–58—1/22redusă——————————————————78————

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

Puținele lucruri din AI și cuantic care au contat cu adevărat săptămâna asta — rezumate cinstit.

Un e-mail pe săptămână. Dezabonare dintr-un clic. Fără urmărire, fără partajare.