Sari la conținut

localeBeta.label localeBeta.notice localeBeta.readInEnglish

Benchmark-uri

Surse
8
Intrări urmărite
22.325
Ultima sincronizare
13 min
Toate sursele se sincronizează normal
  • Arena · Textacum 7 ore
  • Arena · WebDevacum 7 ore
  • Arena · Visionacum 7 ore
  • Arena · Agentacum 7 ore
  • GPQA Diamondacum 13 minute
  • SWE-benchacum 13 minute
  • Terminal-Benchacum 13 minute
  • ARC-AGI-2acum 13 minute

perplexity-sonar-pro

54±0

53interval54

Perplexityoscilație #287–#287

perplexity-sonar

47±0

47interval48

Perplexityoscilație #488–#488

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) ×13 din 998 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
287perplexity-sonar-proPerplexity——53.9Clasat 53.9 = (1 × 65.7 + 3 × 50) ÷ 4. 65.7 este Media: percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.—65.7—1/22redusă———————————————66———————
488perplexity-sonarPerplexity——47.2Clasat 47.2 = (1 × 39.0 + 3 × 50) ÷ 4. 39.0 este Media: percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.—39.0—1/22redusă———————————————39———————
853perplexity-sonar-reasoningPerplexity AI——37.8Clasat 37.8 = (1 × 1.1 + 3 × 50) ÷ 4. 1.1 este Media: percentila medie pe cele 1 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.—1.1—1/22redusă———————————————1———————

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.