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
22.310
Ultima sincronizare
19 min
Toate sursele se sincronizează normal
  • Arena · Textacum 8 ore
  • Arena · WebDevacum 8 ore
  • Arena · Visionacum 8 ore
  • Arena · Agentacum 8 ore
  • GPQA Diamondacum 19 minute
  • SWE-benchacum 19 minute
  • Terminal-Benchacum 19 minute
  • ARC-AGI-2acum 19 minute
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) ×111 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
166Gemini-2.5-Flash-Lite (FC)google—$0.10 / $0.4059.3 64.9Clasat 59.3 = (5 × 64.9 + 3 × 50) ÷ 8. 64.9 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————————————————54——54635798
200gemini-2.5-flashgoogleiun. 2025$0.30 / $2.5057.9 60.3Clasat 57.9 = (10 × 60.3 + 3 × 50) ÷ 13. 60.3 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.56–595210/22#133–38965—5348—————33———36—85——85775764
273gemini-2.5-flash-preview-04-17Google DeepMind——55.1 60.3Clasat 55.1 = (3 × 60.3 + 3 × 50) ÷ 6. 60.3 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.53–56363/22#215–273————————53———46—82———————
371gemini-2.5-flash-preview-09-2025-highthinkingGoogle——51.6 56.4Clasat 51.6 = (1 × 56.4 + 3 × 50) ÷ 4. 56.4 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———————————————56———————
383gemini-2.5-flash-preview-09-2025googlesept. 2025—51.1 52.3Clasat 51.1 = (3 × 52.3 + 3 × 50) ÷ 6. 52.3 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.49–53293/22#141–38364—5835——————————————————
396gemini-2.5-flash-preview-05-20Google DeepMind——50.5 50.9Clasat 50.5 = (4 × 50.9 + 3 × 50) ÷ 7. 50.9 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.49–52624/22#308–396————————51——2541—87———————
411gemini-2.5-flash-06-05-highthinkingGoogle——50.1 50.5Clasat 50.1 = (1 × 50.5 + 3 × 50) ÷ 4. 50.5 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———————————————51———————
426gemini-2.5-flash-lite-preview-06-17-thinkinggoogleian. 2026—49.5 48.7Clasat 49.5 = (2 × 48.7 + 3 × 50) ÷ 5. 48.7 este percentila medie pe cele 2 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.48–51132/22redusă#159–42655—42———————————————————
508gemini-2.5-flash-lite-preview-09-2025-highthinkingGoogle——47.3 39.2Clasat 47.3 = (1 × 39.2 + 3 × 50) ÷ 4. 39.2 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———————————————39———————
515gemini-2.5-flash-lite-highthinkingGoogle——47.1 38.5Clasat 47.1 = (1 × 38.5 + 3 × 50) ÷ 4. 38.5 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———————————————38———————
613gemini-2.5-flash-lite-preview-09-2025-no-thinkinggooglesept. 2025—44.1 38.2Clasat 44.1 = (3 × 38.2 + 3 × 50) ÷ 6. 38.2 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.43–45373/22#170–61356—3920——————————————————

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.