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

aiqbench · Benchmark-uri LLM

Benchmark-uri

Benchmarkuri LLM per axă. Un clasament, un număr, o sursă — fără scoruri compuse fabricate.

Surse: 8
Intrări urmărite: 22.308
Ultima sincronizare: 1 minacum 1 minut

Toate sursele se sincronizează normal

Arena · Text· acum 41 de minute
Arena · WebDev· acum 41 de minute
Arena · Vision· acum 41 de minute
Arena · Agent· acum 41 de minute
GPQA Diamond· acum 1 minut
SWE-bench· acum 1 minut
Terminal-Bench· acum 1 minut
ARC-AGI-2· acum 1 minut

Arena · Text· acum 41 de minute
Arena · WebDev· acum 41 de minute
Arena · Vision· acum 41 de minute
Arena · Agent· acum 41 de minute
GPQA Diamond· acum 1 minut
SWE-bench· acum 1 minut
Terminal-Bench· acum 1 minut
ARC-AGI-2· acum 1 minut

Filtrează acest tabel

Sari la profilul unui model

Filtrează după organizație:

Lansat:DupăÎnainte de

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.

Axe22 active

Clasare pe 22 axe — mix ponderat, contractat după acoperire.

same = clasifică modelele aproape identic cu o axă deja selectată · close = aproape la fel · ? = prea puține modele comune ca să se poată spune.

General

Abilitate

Industrie

Clasamente arenă

Benchmarkuri măsurate

Agentic

Siguranță și factualitate

Limbă

	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
Niciun model nu se potrivește axelor și filtrelor curente.

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.