o4-mini-2025-04-16
55±1
53interval57
aiqbench · Benchmark-uri LLM
Benchmark-uri
- Surse
- 8
- Intrări urmărite
- 22.310
- Ultima sincronizare
- 29 minacum 29 de minute
Toate sursele se sincronizează normal
- Arena · Text· acum 1 oră
- Arena · WebDev· acum 1 oră
- Arena · Vision· acum 1 oră
- Arena · Agent· acum 1 oră
- GPQA Diamond· acum 29 de minute
- SWE-bench· acum 29 de minute
- Terminal-Bench· acum 29 de minute
- ARC-AGI-2· acum 29 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 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 274 | o4-mini-2025-04-16 | openai | apr. 2025 | $1.10 / $4.40 | 55.1 56.0Clasat 55.1 = (17 × 56.0 + 3 × 50) ÷ 20. 56.0 este percentila medie pe cele 17 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică. | 53–57 | 91 | 17/22 | #129–274 | 60 | — | 47 | 7 | — | — | — | 61 | 58 | 65 | 15 | 39 | 52 | 31 | 98 | 79 | 71 | — | 85 | 96 | 80 | 10 |
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