gemini-2.5-deep-think-2025-08-01-webapp
56±1
54interval57
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 28 minacum 28 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 49 de minute
- Arena · WebDev· acum 49 de minute
- Arena · Vision· acum 49 de minute
- Arena · Agent· acum 49 de minute
- GPQA Diamond· acum 28 de minute
- SWE-bench· acum 28 de minute
- Terminal-Bench· acum 28 de minute
- ARC-AGI-2· acum 28 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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 253 | gemini-2.5-deep-think-2025-08-01-webapp | Google,Google DeepMind | — | — | 56.0 73.9Clasat 56.0 = (1 × 73.9 + 3 × 50) ÷ 4. 73.9 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. | 54–57 | — | 1/22redusă | — | — | — | — | — | — | — | — | — | — | 74 | — | — | — | — | — | — | — | — | — | — | — | — |
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