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
15 min
Toate sursele se sincronizează normal
  • Arena · Textacum 12 ore
  • Arena · WebDevacum 12 ore
  • Arena · Visionacum 12 ore
  • Arena · Agentacum 12 ore
  • GPQA Diamondacum 15 minute
  • SWE-benchacum 15 minute
  • Terminal-Benchacum 15 minute
  • ARC-AGI-2acum 15 minute

glm-4.6

60±1

59interval61

zaidec. 2025oscilație #98–#398

zai-org/GLM-4.6

44±1

43interval46

Z.ai (Zhipu AI),Tsinghua Universityoscilație #617–#617

glm-4.6v

42±1

41interval44

zaidec. 2025oscilație #146–#678

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) ×13 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
141glm-4.6zaidec. 2025$0.30 / $0.9060.2 63.6Clasat 60.2 = (9 × 63.6 + 3 × 50) ÷ 12. 63.6 este percentila medie pe cele 9 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.59–61749/22#98–3987222—62——————————6096——83774950
617zai-org/GLM-4.6Z.ai (Zhipu AI),Tsinghua University——44.0 26.1Clasat 44.0 = (1 × 26.1 + 3 × 50) ÷ 4. 26.1 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.43–46—1/22redusă——————————26————————————
678glm-4.6vzaidec. 2025$0.30 / $0.9042.5 39.3Clasat 42.5 = (7 × 39.3 + 3 × 50) ÷ 10. 39.3 este percentila medie pe cele 7 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.41–44527/22#146–67856—3715——————————34———675116—

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.