AlignBench厂商自报 · 越高越好
73.3%
AlignBench v1.1 benchmark evaluation
成绩出处Arena Hard厂商自报 · 越高越好
52%
Arena Hard benchmark evaluation
成绩出处GPQA厂商自报 · 越高越好
36.4%
GPQA benchmark evaluation
成绩出处GSM8k厂商自报 · 越高越好
91.6%
GSM8K benchmark evaluation
成绩出处HumanEval厂商自报 · 越高越好
84.8%
HumanEval benchmark evaluation
成绩出处IFEval厂商自报 · 越高越好
71.2%
IFEval strict-prompt benchmark evaluation
成绩出处LiveBench厂商自报 · 越高越好
35.9%
LiveBench 0831 benchmark evaluation
成绩出处LiveCodeBench厂商自报 · 越高越好
28.7%
LiveCodeBench 2305-2409 benchmark evaluation
成绩出处MATH厂商自报 · 越高越好
75.5%
MATH benchmark evaluation
成绩出处MBPP厂商自报 · 越高越好
0.79%
MBPP benchmark evaluation
成绩出处MMLU-Pro厂商自报 · 越高越好
56.3%
MMLU-Pro benchmark evaluation
成绩出处MMLU-Redux厂商自报 · 越高越好
75.4%
MMLU-redux benchmark evaluation
成绩出处MT-Bench厂商自报 · 越高越好
0.88%
MT-bench benchmark evaluation
成绩出处MultiPL-E厂商自报 · 越高越好
70.4%
MultiPL-E benchmark evaluation
成绩出处