o1-2024-12-17
57±2
54interval59
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.318
- Ultima sincronizare
- 4 minacum 4 minute
Toate sursele se sincronizează normal
- Arena · Text· acum 8 ore
- Arena · WebDev· acum 8 ore
- Arena · Vision· acum 8 ore
- Arena · Agent· acum 8 ore
- GPQA Diamond· acum 4 minute
- SWE-bench· acum 4 minute
- Terminal-Bench· acum 4 minute
- ARC-AGI-2· acum 4 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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 229 | o1-2024-12-17 | openai | dec. 2024 | $15 / $60 | 56.6 58.3Clasat 56.6 = (12 × 58.3 + 3 × 50) ÷ 15. 58.3 este percentila medie pe cele 12 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | 54–59 | 61 | 12/22 | #127–229 | 64 | — | 43 | — | — | — | — | 57 | 55 | 45 | 46 | — | 26 | 33 | 87 | — | — | — | 87 | 73 | 82 | — |
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