Sari la conținut

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Benchmark-uri

Surse
8
Intrări urmărite
22.318
Ultima sincronizare
27 min
Toate sursele se sincronizează normal
  • Arena · Textacum 3 ore
  • Arena · WebDevacum 3 ore
  • Arena · Visionacum 3 ore
  • Arena · Agentacum 3 ore
  • GPQA Diamondacum 27 de minute
  • SWE-benchacum 27 de minute
  • Terminal-Benchacum 27 de minute
  • ARC-AGI-2acum 27 de minute

DeepSeek-V3.2-Speciale

68±0

67interval68

DeepSeekoscilație #47–#47

deepseek-v3.2

64±1

62interval65

deepseekdec. 2025oscilație #86–#247

General ×1WebDev Arena ×1Vision Arena ×1Factuality Arena ×1Search Arena ×1Document Arena ×1Agent Arena ×1GPQA Diamond ×1AIME (matematică) ×1FrontierMath ×1SimpleQA Verified ×1ARC-AGI-2 ×1Humanity's Last Exam ×1SimpleBench ×1LiveBench ×1BFCL v4 (apelare de funcții) ×1inactivSWE-bench Verified (clasament live) ×1Terminal-Bench 4.0 ×1MMLU-Pro (Artificial Analysis) ×1LiveCodeBench (Artificial Analysis) ×1IFBench (Artificial Analysis) ×1Halucinații HHEM (Vectara) ×16 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
47DeepSeek-V3.2-SpecialeDeepSeek——67.8 78.4Clasat 67.8 = (5 × 78.4 + 3 × 50) ÷ 8. 78.4 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.—455/22——————————————5470———969973—
86deepseek-v3.2deepseekdec. 2025$0.28 / $0.4263.7 69.5Clasat 63.7 = (7 × 69.5 + 3 × 50) ÷ 10. 69.5 este percentila medie pe cele 7 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.62–65677/22#86–2477229—48——————————————95977075
92deepseek-v3.2-expdeepseeksept. 2025$0.27 / $0.4162.9 67.2Clasat 62.9 = (9 × 67.2 + 3 × 50) ÷ 12. 67.2 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.61–64769/22#92–3347116—47——————————5587——91906287
181deepseek-v3.2-exp-thinkingdeepseekoct. 2026—58.6 67.1Clasat 58.6 = (3 × 67.1 + 3 × 50) ÷ 6. 67.1 este percentila medie pe cele 3 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.55–62123/22#77–18172——60——————————68———————
344deepseek-v3.2-thinkingdeepseekoct. 2026—52.4 54.2Clasat 52.4 = (4 × 54.2 + 3 × 50) ÷ 7. 54.2 este percentila medie pe cele 4 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.51–54474/22#103–3447129—41——————————76———————
583deepseek/deepseek-v3.2DeepSeek——44.8 29.2Clasat 44.8 = (1 × 29.2 + 3 × 50) ÷ 4. 29.2 este percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.——1/22redusă#76–583———————————29——————————

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

Puținele lucruri din AI și cuantic care au contat cu adevărat săptămâna asta — rezumate cinstit.

Un e-mail pe săptămână. Dezabonare dintr-un clic. Fără urmărire, fără partajare.