Thematic Generalisation
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: numerical
النتائج المسجلة
30
متوسط النقاط
57.23
نطاق النقاط
20.30 - 80.60
النموذج المتصدر
80.60 - Claude Opus 4.6
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | ١٩ فبراير ٢٠٢٦ | ٧٩٫٤٠ | Top-1 accuracy 91.5%; cases 703 | لا | المصدر | |
| GLM 5.1 | ٠٧ أبريل ٢٠٢٦ | ٦٩٫٨٠ | Top-1 accuracy 85.9%; cases 703 | لا | المصدر | |
| Kimi K2.5 | ٢٧ يناير ٢٠٢٦ | ٦٩٫٤٠ | Thinking; Top-1 accuracy 84.8%; cases 703 | لا | المصدر | |
| Claude Opus 4.6 | ٠٥ فبراير ٢٠٢٦ | ٦٨٫٨٠ | No reasoning; Top-1 accuracy 84.1%; cases 703 | لا | المصدر | |
| Claude Sonnet 4.6 | ١٧ فبراير ٢٠٢٦ | ٦٨٫٥٠ | No reasoning; Top-1 accuracy 82.5%; cases 703 | لا | المصدر | |
| Qwen 3.5 397B A17B | ١٦ فبراير ٢٠٢٦ | ٦٥٫١٠ | Top-1 accuracy 82.4%; cases 703 | لا | المصدر | |
| DeepSeek V3.2 | ٠١ ديسمبر ٢٠٢٥ | ٦٥ | Top-1 accuracy 81.8%; cases 703 | لا | المصدر | |
| Gemini 3.1 Flash Lite Preview | ٠٣ مارس ٢٠٢٦ | ٦٣٫٣٠ | Top-1 accuracy 82.1%; cases 703 | لا | المصدر | |
| GPT 5.4 Mini | ١٧ مارس ٢٠٢٦ | ٦١٫٧٠ | xHigh reasoning; Top-1 accuracy 80.8%; cases 703 | لا | المصدر | |
| Qwen 3.6 Plus | ٠١ أبريل ٢٠٢٦ | ٥٩٫٥٠ | Top-1 accuracy 81.5%; cases 703 | لا | المصدر | |
| Seed 2.0 Pro | ١٤ فبراير ٢٠٢٦ | ٥٧٫١٠ | Top-1 accuracy 77.0%; cases 703 | لا | المصدر | |
| Gemma 4 31B | ٠٢ أبريل ٢٠٢٦ | ٥٣ | Reasoning; Top-1 accuracy 76.1%; cases 703 | لا | المصدر | |
| Claude Opus 4.7 | ١٦ أبريل ٢٠٢٦ | ٥٢٫٦٠ | No reasoning; Top-1 accuracy 71.6%; cases 703 | لا | المصدر | |
| Qwen 3.5 122B A10B | ٢٤ فبراير ٢٠٢٦ | ٥١٫٢٠ | Top-1 accuracy 76.5%; cases 703 | لا | المصدر | |
| MiMo V2 Pro | ١٨ مارس ٢٠٢٦ | ٤٥٫٩٠ | Top-1 accuracy 68.8%; cases 703 | لا | المصدر | |
| Qwen 3.5 27B | ٢٤ فبراير ٢٠٢٦ | ٤٥٫٥٠ | Top-1 accuracy 71.3%; cases 703 | لا | المصدر | |
| Ernie 5.0 | ٢٢ يناير ٢٠٢٦ | ٤١٫٧٠ | Top-1 accuracy 65.3%; cases 703 | لا | المصدر | |
| Trinity Large Thinking | ٠١ أبريل ٢٠٢٦ | ٤١٫٦٠ | Top-1 accuracy 66.1%; cases 703 | لا | المصدر | |
| MiniMax M2.7 | ١٨ مارس ٢٠٢٦ | ٣٩٫٣٠ | Top-1 accuracy 63.4%; cases 703 | لا | المصدر | |
| GPT 5.4 | ٠٥ مارس ٢٠٢٦ | ٢٧٫١٠ | No reasoning; Top-1 accuracy 44.0%; cases 703 | لا | المصدر | |
| Mistral Large 3.0 | ٠٢ ديسمبر ٢٠٢٥ | ٢٣ | Top-1 accuracy 34.0%; cases 703 | لا | المصدر | |
| Grok 4.20 | ١٧ فبراير ٢٠٢٦ | ٢٢ | Non-reasoning; Top-1 accuracy 33.4%; cases 703 | لا | المصدر | |
| Mistral Medium 3.1 | ١٢ أغسطس ٢٠٢٥ | ٢٠٫٣٠ | Top-1 accuracy 32.3%; cases 703 | لا | المصدر |
