Peringkat Model AI — 11 leaderboard digabung

PeringkatModelSkor keseluruhanArtificial AnalysisLiveBenchEpoch AIARC-AGIScale SEALVals AITerminal-BenchEQ-BenchSimpleBenchBenchLM
193.4——————#8—#2#2
292.2——#1#5—#1#2—#1#1
391.2——#3#3—#4#4—#3#4
490.1#1#2#5#6—#5#2#2#6#6
590.1——#2#1—#8#6—#17#3
688.4——#9#7—#7#13—#4#11
788.2#5#4#4#2#1#11#10—#9#5
887.9#6—#11#9—#6#14#12#4#10
987.4#3————#9———#14
1087.1#4#1#8#11#2—#12—#7#12
1186.9#8#5#6#3—#13#9#8#10#8
1286.9———#15—#10#7—#30#7
1386.7#2#21#10#20—#2#5—#21#13
1485.2#10#3#13#13——#19#5—#16
15
Anthropic
85.2#9#11#12#10——#15#1#14#15
1684.3#7—#17——#12#18#3—#20
1784.0——#7——#17#15—#26#9
18
Alibaba (Qwen)
82.9—————#14———#16
19
Moonshot AI
82.7——#18——#15#11——#22
20
OpenAI
82.1#12#13#14#12——#17—#24#18
2181.3#13#8#15#7——#23#13#35#19
2280.5——#21#21——————
2380.3#11#5#28———#40—#13—
24
Tencent
79.2—————#20#25———
2579.1——#16#17————#18#21
2678.9#29#8#24#24—#16#23—#33#22
2778.6—————#17#27—#25—
28
OpenAI
77.6#33#10#22#16———#6#31#24
29
Thinking Machines
77.1———#23—#26————
3076.8#15————#24#29———
31
Z.ai (Zhipu)
76.7#17#31#34——#19#20—#34—
3176.7#14#22#38#34—#23#22———
33
OpenAI
76.5—#17#29#27———#10——
34
Alibaba (Qwen)
76.2#16#16#41———#29———
3575.7#26#33#25#13#5#27#36—#11—
3674.5#18#17#30#31——#35—#21—
3774.2#30#15#27#17——#42———
3874.1#28#17#46—————#23—
39
StepFun
74.0#19————#28————
40
Moonshot AI
73.3#20#13#26#38—#31#32#4#45—
4172.5#22#20#19#22——#34#15#66—
4272.5—#28#32#26#10——#7#38—
4372.4#23#29#23#28——#31#9#35—
4472.0——#54—#7—————
4571.6#21#48#20#36—#22#21—#50—
46
Alibaba (Qwen)
70.2#27#29————————
4769.8#51#25#40#25#3—#49#25#15—
4868.9#37————#28#38———
4968.7——#60#33——————
5067.7—#39#39#30#11——#17#32—

Pertanyaan umum

Apa itu ARBITER?

Peringkat keseluruhan model dan perusahaan AI yang secara statistik menggabungkan 11 leaderboard AI terpercaya.

Seberapa sering diperbarui?

Setiap jam. Model baru dari leaderboard mana pun ditambahkan secara otomatis.

Bagaimana skor keseluruhan dihitung?

Metrik utama tiap situs distandardisasi, lalu model faktor mengoreksi perbedaan antarsitus dan memperkirakan kemampuan bersama tiap model.

Apakah model yang dinilai di lebih sedikit leaderboard dirugikan?

Tidak. Penilaian yang tidak ada tidak pernah mengurangi nilai. Sebagai gantinya, ketidakpastian ditampilkan sebagai interval 90%.

Model AI apa yang terbaik saat ini?

Model #1 di peringkat keseluruhan. Pilihan terbaik tergantung kebutuhan Anda, jadi lihat juga peringkat per bidang.