Vending Bench 2
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: numerical
النتائج المسجلة
15
متوسط النقاط
5026
نطاق النقاط
351 - 16484
النموذج المتصدر
16484 - Gemini 4 Carbon
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| Gemini 4 Carbon | ٢٨ أكتوبر ٢٠٢٦ | ١٦٬٤٨٤ | Google-reported launch evaluation; Final bank balance (USD); source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/images/gemini_4_carbon__evals-table.original.png; methodology: deepmind.google/models/evals-methodology/gemini-4-carbon | نعم | المصدر | |
| Claude Opus 4.6 | ٠٥ فبراير ٢٠٢٦ | ٨٬٠١٨ | Final balance | نعم | المصدر | |
| Claude Sonnet 4.6 | ١٧ فبراير ٢٠٢٦ | ٧٬٢٠٤ | Max effort final balance | نعم | المصدر | |
| GLM 5.1 | ٠٧ أبريل ٢٠٢٦ | ٥٬٦٣٤ | - | نعم | المصدر | |
| Gemini 3 Pro Image Preview (Nano Banana Pro) | ٢٠ نوفمبر ٢٠٢٥ | ٥٬٤٧٨ | inferred modality/version alias from gemini-3-pro-preview | نعم | المصدر | |
| Gemini 3 Pro Preview | ١٨ نوفمبر ٢٠٢٥ | ٥٬٤٧٨ | - | نعم | المصدر | |
| Claude Opus 4.5 | ٢٤ نوفمبر ٢٠٢٥ | ٤٬٩٦٧ | 8k Thinking | لا | المصدر | |
| Claude Sonnet 4.5 | ٢٩ سبتمبر ٢٠٢٥ | ٣٬٨٣٩ | - | لا | المصدر | |
| Gemini 3 Flash Preview | ١٧ ديسمبر ٢٠٢٥ | ٣٬٦٣٥ | Higher is better, value in dollars | نعم | المصدر | |
| Grok 4 | ١٠ يوليو ٢٠٢٥ | ١٬٩٩٩ | - | لا | المصدر | |
| GPT 5.1 | ١٢ نوفمبر ٢٠٢٥ | ١٬٤٧٣ | - | لا | المصدر | |
| Gemini 2.5 Pro Preview (2025-06-05) | ٠٥ يونيو ٢٠٢٥ | ٥٧٤ | - | لا | المصدر | |
| Grok 4.1 Non Thinking | ١٧ نوفمبر ٢٠٢٥ | ٣٥١ | - | لا | المصدر |
