Confabulations
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: numerical
النتائج المسجلة
61
متوسط النقاط
18.79
نطاق النقاط
10.34 - 40.26
النموذج المتصدر (أدنى نقطة)
10.34 - GPT 5
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| GPT 5 | ٠٧ أغسطس ٢٠٢٥ | ١٠٫٣٤ | Medium reasoning; Confab 10.9%; non-response 9.8% | لا | المصدر | |
| Gemini 2.5 Pro Preview (2025-05-06) | ٠٦ مايو ٢٠٢٥ | ١٠٫٦٢ | Confab 5.9%; non-response 15.3% | لا | المصدر | |
| Gemini 2.5 Pro Experimental (2025-03-25) | ٢٥ مارس ٢٠٢٥ | ١٠٫٨٠ | 2025-03-25; Confab 4.0%; non-response 17.6% | لا | المصدر | |
| GLM 4.5 | ٢٨ يوليو ٢٠٢٥ | ١١٫٣٠ | Confab 7.9%; non-response 14.7% | لا | المصدر | |
| o1 | ١٧ ديسمبر ٢٠٢٤ | ١١٫٧٤ | Medium reasoning; Confab 10.9%; non-response 12.6% | لا | المصدر | |
| Qwen 3 30B A3B | - | ١٢٫٢٨ | Confab 12.9%; non-response 11.7% | لا | المصدر | |
| Grok 4 | ١٠ يوليو ٢٠٢٥ | ١٢٫٤١ | Confab 4.0%; non-response 20.9% | لا | المصدر | |
| Gemini 2.0 Flash Thinking Exp (2025-01-21) | ٢١ يناير ٢٠٢٥ | ١٢٫٤٣ | Confab 14.9%; non-response 10.0% | لا | المصدر | |
| DeepSeek R1 | - | ١٢٫٦٥ | Confab 17.3%; non-response 8.0% | لا | المصدر | |
| o1 preview | ١٢ سبتمبر ٢٠٢٤ | ١٣٫٠٤ | Confab 18.3%; non-response 7.8% | لا | المصدر | |
| GPT 5 Mini | ٠٧ أغسطس ٢٠٢٥ | ١٣٫٢٨ | Medium reasoning; Confab 21.8%; non-response 4.8% | لا | المصدر | |
| Gemini 1.5 Pro 002 | ٢٤ سبتمبر ٢٠٢٤ | ١٣٫٥٤ | Confab 16.8%; non-response 10.2% | لا | المصدر | |
| GPT 4.5 Preview | ٢٧ فبراير ٢٠٢٥ | ١٣٫٦٤ | Confab 11.9%; non-response 15.4% | لا | المصدر | |
| Grok 3 Mini Beta | ١٩ فبراير ٢٠٢٥ | ١٤٫٠٤ | Low reasoning; Confab 10.9%; non-response 17.2% | لا | المصدر | |
| Grok 3 Beta | ١٩ فبراير ٢٠٢٥ | ١٤٫١٩ | No reasoning; Confab 17.8%; non-response 10.6% | لا | المصدر | |
| o3 Pro | ١٠ يونيو ٢٠٢٥ | ١٤٫٢٢ | Medium reasoning; Confab 23.4%; non-response 5.1% | لا | المصدر | |
| o3 | ١٦ أبريل ٢٠٢٥ | ١٤٫٣٨ | High reasoning; Confab 24.8%; non-response 4.0% | لا | المصدر | |
| DeepSeek R1 (2025-05-28) | ٢٨ مايو ٢٠٢٥ | ١٤٫٥٦ | Confab 12.9%; non-response 16.2% | لا | المصدر | |
| Claude Sonnet 4 | ٢١ مايو ٢٠٢٥ | ١٤٫٨٥ | No reasoning; Confab 5.4%; non-response 24.2% | لا | المصدر | |
| GPT 4o (2024-08-06) | ٠٦ أغسطس ٢٠٢٤ | ١٥٫٣٤ | Confab 22.3%; non-response 8.4% | لا | المصدر | |
| QwQ 32B | - | ١٥٫٥٧ | 16K; Confab 25.2%; non-response 5.9% | لا | المصدر | |
| Qwen 3 235B A22B | - | ١٥٫٦١ | Confab 23.3%; non-response 8.0% | لا | المصدر | |
| GPT OSS 120b | ٠٥ أغسطس ٢٠٢٥ | ١٥٫٦٥ | Medium reasoning; Confab 23.3%; non-response 8.0% | لا | المصدر | |
| o4 Mini | ١٦ أبريل ٢٠٢٥ | ١٥٫٧٩ | High reasoning; Confab 26.7%; non-response 4.8% | لا | المصدر | |
| Ernie 4.5 300B A47B | - | ١٥٫٩٧ | Confab 25.2%; non-response 6.7% | لا | المصدر |
