o1-preview
55±1
54interval56
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 53 minacum 53 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 3 ore
- Arena · WebDev· acum 3 ore
- Arena · Vision· acum 3 ore
- Arena · Agent· acum 3 ore
- GPQA Diamond· acum 53 de minute
- SWE-bench· acum 53 de minute
- Terminal-Bench· acum 53 de minute
- ARC-AGI-2· acum 53 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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 277 | o1-preview | openai | sept. 2024 | — | 55.1 57.2Clasat 55.1 = (7 × 57.2 + 3 × 50) ÷ 10. 57.2 este percentila medie pe cele 7 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | 54–56 | 56 | 7/22 | #147–314 | 59 | — | — | — | — | — | — | 35 | 34 | — | — | — | — | 38 | 75 | — | 71 | — | 90 | — | — | — |
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