gpt-4-0125-preview
42±1
41interval43
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 48 minacum 48 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 7 ore
- Arena · WebDev· acum 7 ore
- Arena · Vision· acum 7 ore
- Arena · Agent· acum 7 ore
- GPQA Diamond· acum 48 de minute
- SWE-bench· acum 48 de minute
- Terminal-Bench· acum 48 de minute
- ARC-AGI-2· acum 48 de minute
Filtrează după organizație:
Lansat:
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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 697 | gpt-4-0125-preview | openai | ian. 2024 | — | 42.1 34.2Clasat 42.1 = (3 × 34.2 + 3 × 50) ÷ 6. 34.2 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. | 41–43 | 18 | 3/22 | #252–697 | 37 | — | — | — | — | — | — | 24 | — | — | — | — | — | — | 42 | — | — | — | — | — | — | — |
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