claude-4-sonnet-20250514-thinking-64k
69±0
69interval70
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 26 minacum 26 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 2 ore
- Arena · WebDev· acum 2 ore
- Arena · Vision· acum 2 ore
- Arena · Agent· acum 2 ore
- GPQA Diamond· acum 26 de minute
- SWE-bench· acum 26 de minute
- Terminal-Bench· acum 26 de minute
- ARC-AGI-2· acum 26 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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 38 | claude-4-sonnet-20250514-thinking-64k | Anthropic | mai 2025 | $3 / $15 | 69.2 80.7Clasat 69.2 = (5 × 80.7 + 3 × 50) ÷ 8. 80.7 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. | — | 29 | 5/22 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 90 | — | 92 | — | 88 | 70 | 63 | — |
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