claude-sonnet-4-20250514-thinking-32k
49±2
47interval52
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 56 minacum 56 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 4 ore
- Arena · WebDev· acum 4 ore
- Arena · Vision· acum 4 ore
- Arena · Agent· acum 4 ore
- GPQA Diamond· acum 56 de minute
- SWE-bench· acum 56 de minute
- Terminal-Bench· acum 56 de minute
- ARC-AGI-2· acum 56 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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 436 | claude-sonnet-4-20250514-thinking-32k | anthropic | mai 2025 | — | 49.3 49.1Clasat 49.3 = (10 × 49.1 + 3 × 50) ÷ 13. 49.1 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. | 47–52 | 70 | 10/22 | #78–436 | 63 | — | 49 | — | — | — | — | 59 | 53 | 29 | — | 38 | 24 | 39 | — | — | 94 | — | — | — | — | 44 |
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