claude-3-7-sonnet-20250219-thinking-32k
52±2
50interval54
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 38 minacum 38 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 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:
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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 358 | claude-3-7-sonnet-20250219-thinking-32k | anthropic | feb. 2025 | — | 52.0 52.5Clasat 52.0 = (13 × 52.5 + 3 × 50) ÷ 16. 52.5 este percentila medie pe cele 13 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | 50–54 | 68 | 13/22 | #128–358 | 59 | — | 44 | — | — | — | — | 60 | 43 | 29 | — | 18 | 28 | 44 | 84 | — | 78 | — | 86 | 55 | 55 | — |
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