GDPval-AA v2.1

GDPval-AA v2.1 هو إطار تقييم لمجموعة بيانات GDPval من OpenAI. يختبر نماذج الذكاء الاصطناعي في مهام واقعية عبر 44 مهنة و9 قطاعات رئيسية. تُمنح النماذج وصولًا إلى shell وقدرات تصفح الويب في حلقة وكيلية عبر Stirrup لحل المهام، مع تصنيفات Elo مستمدة من مقارنات ثنائية عمياء.

النماذج: 172 الحالي، 315 إجمالاً
الوسيط: 1109
المدى: -402–1866

توزيع الدرجات

الأدنى: -402
الوسيط: 1109
الأعلى: 1866

لوحة الصدارة

تضمين النماذج المهملة

الترتيب	النموذج	النتيجة
51	Qwen3.8 27B (Xhigh) Alibaba	1427
52	Claude Haiku 5.5 (High) Anthropic	1424
53	GPT-6.1 Terra (Xhigh) OpenAI	1415
54	GPT-6 Astra (Low) OpenAI	1403
55	Muse Spark Open (Xhigh) Meta	1401
56	Qwen3.8 27B (Medium) Alibaba	1389
57	GPT-6 Luna (Xhigh) OpenAI	1373
58	Qwen3.8 27B (Low) Alibaba	1370
59	K2 Horizon 375B A23B Institute of Foundation Models	1365
60	GPT-6.1 Terra (High) OpenAI	1353
61	GPT-6 Luna (High) OpenAI	1352
62	Agnes 2.5 Pro Beta Sapiens AI	1335
63	JT-4.1 Flash 236B A21B (Reasoning) China Mobile	1335
64	GLM-5.3 (Low) Z AI	1333
65	Claude Sonnet 5.5 (Medium, Default Fallback) Anthropic	1329
66	GPT-6.1 Terra (Medium) OpenAI	1325
67	GPT-6.1 Sol (Low) OpenAI	1322
68	Gemini 3.8 Flash (Low) Google	1316
69	GPT-6.1 Terra (Non-reasoning) OpenAI	1286
70	Claude Haiku 5.5 (Medium) Anthropic	1283
71	GPT-6 Luna (Medium) OpenAI	1270
72	MiniMax-M3 MiniMax	1250
73	Claude Opus 5.5 (Low, Default Fallback) Anthropic	1240
74	GPT-6.1 Terra (Low) OpenAI	1204
75	K2 Horizon MoVA 36B A4B Institute of Foundation Models	1197
76	Apodex 1.1 Apodex	1195
77	Quasar 438B (Max, Based on GLM-5.2) Multiverse Computing	1190
78	Claude Sonnet 5.5 (Low, Default Fallback) Anthropic	1182
79	Beam 1.0 Reflection	1177
80	Ling-3.0-flash-VL InclusionAI	1169
81	Nemotron 3.5 Super VL NVIDIA	1162
82	Inkling Small Thinking Machines	1133
83	Claude Haiku 5.5 (Low) Anthropic	1130
84	JT-4.1 Flash 236B A21B (Non-reasoning) China Mobile	1128
85	Motif 3 Motif Technologies	1127
86	Nex-N2-Pro (Based on Qwen3.5-397B-A17B) Nex AGI	1109
87	G9v3-39A5B AI9Stars	1109
88	Ling-3.0-flash-Fin InclusionAI	1108
89	Solar Pro 4 Upstage	1106
90	Solar Mini 4 Upstage	1092
91	Qwen3.8 27B (Non-reasoning) Alibaba	1082
92	Inkling (Xhigh) Thinking Machines	1080
93	Hy3 Tencent	1071
94	DeepSeek V4 Pro 0813 (Non-reasoning) DeepSeek	1066
95	GPT-6 Luna (Non-reasoning) OpenAI	1052
96	Kimi K2.7 Code Kimi	1046
97	GPT-6 Luna (Low) OpenAI	1040
98	K2 Horizon 7B Institute of Foundation Models	1024
99	Nemotron 3 Ultra 550B A55B (Reasoning) NVIDIA	1021
100	Gemini 3.5 Flash-Lite Google	995

51
Qwen3.8 27B (Xhigh)
Alibaba
1427
52
Claude Haiku 5.5 (High)

بيانات من Artificial Analysis

Command Palette

GDPval-AA v2.1

توزيع الدرجات

لوحة الصدارة