claude-opus-4-20250514-thinking-16k
49±2
46interval51
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 41 minacum 41 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 41 de minute
- SWE-bench· acum 41 de minute
- Terminal-Bench· acum 41 de minute
- ARC-AGI-2· acum 41 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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 470 | claude-opus-4-20250514-thinking-16k | anthropic | mai 2025 | — | 48.6 48.2Clasat 48.6 = (9 × 48.2 + 3 × 50) ÷ 12. 48.2 este percentila medie pe cele 9 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | 46–51 | 46 | 9/22 | #84–470 | 73 | — | 49 | — | — | — | — | 57 | 46 | 32 | — | 43 | 39 | 68 | — | — | — | — | — | — | — | 28 |
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