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
22.308
Ultima sincronizare
14 min
Toate sursele se sincronizează normal
  • Arena · Textacum 12 ore
  • Arena · WebDevacum 12 ore
  • Arena · Visionacum 12 ore
  • Arena · Agentacum 12 ore
  • GPQA Diamondacum 14 minute
  • SWE-benchacum 14 minute
  • Terminal-Benchacum 14 minute
  • ARC-AGI-2acum 14 minute

gemini-3.1-flash-lite

57±2

54interval59

Googleoscilație #170–#210

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) ×12 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
210gemini-3.1-flash-liteGoogle—$0.25 / $1.5057.4 62.9Clasat 57.4 = (4 × 62.9 + 3 × 50) ÷ 7. 62.9 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.54–59594/22#170–210———————6257———37———————96—
345gemini-3.1-flash-lite-previewgoogleoct. 2026$0.25 / $1.5052.4 53.6Clasat 52.4 = (6 × 53.6 + 3 × 50) ÷ 9. 53.6 este percentila medie pe cele 6 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.51–54616/22#109–35076146042——————————66——————63

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.