claude-4-opus-20250514-thinking-32k
70±0
70interval71
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 1 hacum 60 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 3 ore
- Arena · WebDev· acum 3 ore
- Arena · Vision· acum 3 ore
- Arena · Agent· acum 3 ore
- GPQA Diamond· acum 60 de minute
- SWE-bench· acum 60 de minute
- Terminal-Bench· acum 60 de minute
- ARC-AGI-2· acum 60 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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 33 | claude-4-opus-20250514-thinking-32k | Anthropic | mai 2025 | $15 / $75 | 70.4 82.7Clasat 70.4 = (5 × 82.7 + 3 × 50) ÷ 8. 82.7 este percentila medie pe cele 5 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | — | 38 | 5/22 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 99 | — | 88 | — | 97 | 67 | 62 | — |
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