gemini-2.5-pro-exp-03-25
60±1
58interval62
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 10 minacum 10 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 10 minute
- SWE-bench· acum 10 minute
- Terminal-Bench· acum 10 minute
- ARC-AGI-2· acum 10 minute
Filtrează după organizație:
Lansat:
gemini-2.5-pro-preview-03-25
60±0
59interval60
gemini-2.5-pro
58±2
56interval60
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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 143 | gemini-2.5-pro-exp-03-25 | Google DeepMind | — | — | 60.1 67.7Clasat 60.1 = (4 × 67.7 + 3 × 50) ÷ 7. 67.7 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. | 58–62 | 44 | 4/22 | #138–147 | — | — | — | — | — | — | — | 67 | — | — | — | — | 54 | 53 | 97 | — | — | — | — | — | — | — | ||
| 152 | gemini-2.5-pro-preview-03-25 | Google DeepMind | mar. 2025 | $1.25 / $10 | 59.7 74.4Clasat 59.7 = (2 × 74.4 + 3 × 50) ÷ 5. 74.4 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. | — | 43 | 2/22redusă | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 53 | 96 | — | — | — | — | — | — | — | ||
| 202 | gemini-2.5-pro | iun. 2025 | $1.25 / $10 | 57.7 59.5Clasat 57.7 = (13 × 59.5 + 3 × 50) ÷ 16. 59.5 este percentila medie pe cele 13 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | 56–60 | 87 | 13/22 | #60–432 | 81 | 8 | 68 | 78 | — | 13 | — | 69 | 61 | 51 | — | 35 | — | — | — | — | — | — | 95 | 90 | 55 | 70 | |||
| 283 | gemini-2.5-pro-06-05-highthinking | — | — | 54.8 69.1Clasat 54.8 = (1 × 69.1 + 3 × 50) ÷ 4. 69.1 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 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 69 | — | — | — | — | — | — | — | |||
| 351 | gemini-2.5-pro-preview-06-05 | Google DeepMind | iun. 2025 | $1.25 / $10 | 52.2 53.5Clasat 52.2 = (5 × 53.5 + 3 × 50) ÷ 8. 53.5 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. | 50–53 | 68 | 5/22 | #137–351 | — | — | — | — | — | — | — | 68 | — | 48 | — | 11 | 61 | 79 | — | — | — | — | — | — | — | — | ||
| 423 | gemini-2.5-pro-preview-05-06 | Google DeepMind | mai 2025 | $1.25 / $10 | 49.6 49.0Clasat 49.6 = (2 × 49.0 + 3 × 50) ÷ 5. 49.0 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. | 48–52 | 2 | 2/22redusă | #226–423 | — | — | — | — | — | — | — | 48 | — | — | — | — | 50 | — | — | — | — | — | — | — | — | — | ||
| 712 | gemini-2.5-pro-grounding | iun. 2025 | — | 41.7 16.7Clasat 41.7 = (1 × 16.7 + 3 × 50) ÷ 4. 16.7 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. | 40–42 | — | 1/22redusă | — | — | — | — | — | 17 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — |
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