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
22.318
Ultima sincronizare
28 min
Toate sursele se sincronizează normal
  • Arena · Textacum 4 ore
  • Arena · WebDevacum 4 ore
  • Arena · Visionacum 4 ore
  • Arena · Agentacum 4 ore
  • GPQA Diamondacum 28 de minute
  • SWE-benchacum 28 de minute
  • Terminal-Benchacum 28 de minute
  • ARC-AGI-2acum 28 de minute

Mistral Medium 3

49±0

48interval49

mistraloscilație #466–#466

Mistral Medium 3.1

46±0

46interval47

mistraloscilație #537–#537

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) ×16 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
466Mistral Medium 3mistral—$0.40 / $248.7 47.3Clasat 48.7 = (3 × 47.3 + 3 × 50) ÷ 6. 47.3 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.—153/22———————————————————544939—
537Mistral Medium 3.1mistral—$0.40 / $246.3 42.6Clasat 46.3 = (3 × 42.6 + 3 × 50) ÷ 6. 42.6 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.—143/22———————————————————375041—
554mistral-medium-3.5mistralaug. 2025$1.50 / $7.5045.7 43.6Clasat 45.7 = (6 × 43.6 + 3 × 50) ÷ 9. 43.6 este percentila medie pe cele 6 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.43–48736/22#110–55474154739——7—————————————80—
717mistral-medium-2508mistralaug. 2025—41.6 35.2Clasat 41.6 = (4 × 35.2 + 3 × 50) ÷ 7. 35.2 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.40–43614/22#109–71765—3538—————————————————4
782mistral-medium-2505mistralmai 2025—39.9 36.2Clasat 39.9 = (8 × 36.2 + 3 × 50) ÷ 11. 36.2 este percentila medie pe cele 8 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.37–42498/22#133–78258—33————42349——11—4557——————
970mistral-mediummistraloct. 2026—32.9 15.7Clasat 32.9 = (3 × 15.7 + 3 × 50) ÷ 6. 15.7 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.32–3493/22#317–97020—————————————————1710——

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.