gpt-4o-2024-05-13
34±1
32interval35
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 27 minacum 27 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 2 ore
- Arena · WebDev· acum 2 ore
- Arena · Vision· acum 2 ore
- Arena · Agent· acum 2 ore
- GPQA Diamond· acum 27 de minute
- SWE-bench· acum 27 de minute
- Terminal-Bench· acum 27 de minute
- ARC-AGI-2· acum 27 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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 959 | gpt-4o-2024-05-13 | openai | mai 2024 | $2.50 / $10 | 33.9 30.6Clasat 33.9 = (15 × 30.6 + 3 × 50) ÷ 18. 30.6 este percentila medie pe cele 15 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | 32–35 | 66 | 15/22 | #154–959 | 48 | — | 37 | — | — | — | — | 34 | 19 | 7 | 22 | 11 | 2 | 3 | 56 | — | 22 | — | 68 | 52 | 30 | 49 |
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