GSM8K
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: percentage
النتائج المسجلة
62
متوسط النقاط
80.12%
نطاق النقاط
25.20% - 97%
النموذج المتصدر
97% - GPT 4.5 Preview
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| GPT 4.5 Preview | ٢٧ فبراير ٢٠٢٥ | ٩٧٪ | - | نعم | المصدر | |
| Qwen 72B | - | ٩٥٫٨٠٪ | inferred family alias from qwen-2.5-72b-instruct (score=0.3060; benches=14) | نعم | المصدر | |
| DeepSeek V2.5 (2024-09-05) | ٠٥ سبتمبر ٢٠٢٤ | ٩٥٫١٠٪ | inferred alias from deepseek-v2.5 | نعم | المصدر | |
| DeepSeek V2.5 (2024-12-10) | ١٠ ديسمبر ٢٠٢٤ | ٩٥٫١٠٪ | inferred alias from deepseek-v2.5 | نعم | المصدر | |
| Qwen 14B | - | ٩٤٫٨٠٪ | inferred family alias from qwen-2.5-14b-instruct (score=0.3060; benches=16) | نعم | المصدر | |
| Qwen 3 235B A22B | - | ٩٤٫٣٩٪ | - | نعم | المصدر | |
| Granite 4.1 30B | ٢٩ أبريل ٢٠٢٦ | ٩٤٫١٦٪ | 8-shot | نعم | المصدر | |
| Mistral Large 2.1 | ١٨ نوفمبر ٢٠٢٤ | ٩٣٪ | inferred version-family alias from mistral-large-2-2407 | نعم | المصدر | |
| Mistral OCR 2 | ٢٢ مايو ٢٠٢٥ | ٩٣٪ | inferred family alias from mistral-large-2-2407 (score=0.3100; benches=5) | نعم | المصدر | |
| DeepSeek V4.1 Flash | ١٠ سبتمبر ٢٠٢٦ | ٩٣٪ | Base model; 8-shot; EM | نعم | المصدر | |
| DeepSeek V4 Pro | ٢٤ أبريل ٢٠٢٦ | ٩٢٫٦٠٪ | Hugging Face evaluation result | نعم | المصدر | |
| Granite 4.1 8B | ٢٩ أبريل ٢٠٢٦ | ٩٢٫٤٩٪ | 8-shot | نعم | المصدر | |
| Kimi K2 (2025-07-11) | ١١ يوليو ٢٠٢٥ | ٩٢٫١٠٪ | EM | نعم | المصدر | |
| Qwen 7B | - | ٩١٫٦٠٪ | inferred family alias from qwen-2.5-7b-instruct (score=0.3083; benches=14) | نعم | المصدر | |
| Llama 3.1 Nemotron 70B Instruct | ٠١ أكتوبر ٢٠٢٤ | ٩١٫٤٣٪ | - | نعم | المصدر | |
| Qwen 2 Math 72B | - | ٩١٫١٠٪ | inferred high-confidence family alias from qwen2-72b-instruct (score=0.4667; benches=17) | نعم | المصدر | |
| Qwen 2 Math RM 72B | - | ٩١٫١٠٪ | inferred family alias from qwen2-72b-instruct (score=0.3917; benches=17) | نعم | المصدر | |
| Gemini 1.5 Pro 001 | ٢٣ مايو ٢٠٢٤ | ٩٠٫٨٠٪ | inferred alias from gemini-1.5-pro | نعم | المصدر | |
| Gemini 1.5 Pro Exp (2024-08-01) | ٠١ أغسطس ٢٠٢٤ | ٩٠٫٨٠٪ | inferred alias from gemini-1.5-pro | نعم | المصدر | |
| Gemini 1.5 Pro Exp (2024-08-27) | ٢٧ أغسطس ٢٠٢٤ | ٩٠٫٨٠٪ | inferred alias from gemini-1.5-pro | نعم | المصدر | |
| Gemini Robotics ER 1.5 Preview | ٢٥ سبتمبر ٢٠٢٥ | ٩٠٫٨٠٪ | inferred family alias from gemini-1.5-pro (score=0.3717; benches=23) | نعم | المصدر | |
| LearnLM 1.5 Pro Experimental | ١٩ نوفمبر ٢٠٢٤ | ٩٠٫٨٠٪ | inferred family alias from gemini-1.5-pro (score=0.3700; benches=23) | نعم | المصدر | |
| Grok 1.5 | ٢٨ مارس ٢٠٢٤ | ٩٠٪ | - | نعم | المصدر | |
| Phi 3.5 MoE instruct | ٢٣ أغسطس ٢٠٢٤ | ٨٨٫٧٠٪ | - | نعم | المصدر | |
| Qwen 2.5 Coder 3B | - | ٨٨٫٧٠٪ | inferred family alias from qwen2.5-omni-7b (score=0.3000; benches=45) | نعم | المصدر |
