gpt-4-1106-preview
38±1
37interval39
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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 874 | gpt-4-1106-preview | openai | nov. 2023 | — | 38.0 29.0Clasat 38.0 = (4 × 29.0 + 3 × 50) ÷ 7. 29.0 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. | 37–39 | 34 | 4/22 | #248–874 | 36 | — | — | — | — | — | — | 24 | — | — | — | — | — | — | 44 | — | 11 | — | — | — | — | — |
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