GSM8K
Ergebnisse von KI-Benchmarks und Modellleistung
Typ: percentage
Erfasste Ergebnisse
62
Durchschnittspunktzahl
80.12%
Punktzahlbereich
25.20% - 97%
Führendes Modell
97% - GPT 4.5 Preview
Punktzahlen im Zeitverlauf
Einzelne Benchmark-Punktzahlen nach Datum.
Modellergebnisse
| Organisation | Modelle | Gemeldet am | Höchste Punktzahl | Info | Selbst gemeldet | Quelle |
|---|---|---|---|---|---|---|
| GPT 4.5 Preview | 27. Feb. 2025 | 97 % | - | Ja | Quelle | |
| Qwen 72B | - | 95,80 % | inferred family alias from qwen-2.5-72b-instruct (score=0.3060; benches=14) | Ja | Quelle | |
| DeepSeek V2.5 (2024-09-05) | 05. Sept. 2024 | 95,10 % | inferred alias from deepseek-v2.5 | Ja | Quelle | |
| DeepSeek V2.5 (2024-12-10) | 10. Dez. 2024 | 95,10 % | inferred alias from deepseek-v2.5 | Ja | Quelle | |
| Qwen 14B | - | 94,80 % | inferred family alias from qwen-2.5-14b-instruct (score=0.3060; benches=16) | Ja | Quelle | |
| Qwen 3 235B A22B | - | 94,39 % | - | Ja | Quelle | |
| Granite 4.1 30B | 29. Apr. 2026 | 94,16 % | 8-shot | Ja | Quelle | |
| Mistral Large 2.1 | 18. Nov. 2024 | 93 % | inferred version-family alias from mistral-large-2-2407 | Ja | Quelle | |
| Mistral OCR 2 | 22. Mai 2025 | 93 % | inferred family alias from mistral-large-2-2407 (score=0.3100; benches=5) | Ja | Quelle | |
| DeepSeek V4.1 Flash | 10. Sept. 2026 | 93 % | Base model; 8-shot; EM | Ja | Quelle | |
| DeepSeek V4 Pro | 24. Apr. 2026 | 92,60 % | Hugging Face evaluation result | Ja | Quelle | |
| Granite 4.1 8B | 29. Apr. 2026 | 92,49 % | 8-shot | Ja | Quelle | |
| Kimi K2 (2025-07-11) | 11. Juli 2025 | 92,10 % | EM | Ja | Quelle | |
| Qwen 7B | - | 91,60 % | inferred family alias from qwen-2.5-7b-instruct (score=0.3083; benches=14) | Ja | Quelle | |
| Llama 3.1 Nemotron 70B Instruct | 01. Okt. 2024 | 91,43 % | - | Ja | Quelle | |
| Qwen 2 Math 72B | - | 91,10 % | inferred high-confidence family alias from qwen2-72b-instruct (score=0.4667; benches=17) | Ja | Quelle | |
| Qwen 2 Math RM 72B | - | 91,10 % | inferred family alias from qwen2-72b-instruct (score=0.3917; benches=17) | Ja | Quelle | |
| Gemini 1.5 Pro 001 | 23. Mai 2024 | 90,80 % | inferred alias from gemini-1.5-pro | Ja | Quelle | |
| Gemini 1.5 Pro Exp (2024-08-01) | 01. Aug. 2024 | 90,80 % | inferred alias from gemini-1.5-pro | Ja | Quelle | |
| Gemini 1.5 Pro Exp (2024-08-27) | 27. Aug. 2024 | 90,80 % | inferred alias from gemini-1.5-pro | Ja | Quelle | |
| Gemini Robotics ER 1.5 Preview | 25. Sept. 2025 | 90,80 % | inferred family alias from gemini-1.5-pro (score=0.3717; benches=23) | Ja | Quelle | |
| LearnLM 1.5 Pro Experimental | 19. Nov. 2024 | 90,80 % | inferred family alias from gemini-1.5-pro (score=0.3700; benches=23) | Ja | Quelle | |
| Grok 1.5 | 28. März 2024 | 90 % | - | Ja | Quelle | |
| Phi 3.5 MoE instruct | 23. Aug. 2024 | 88,70 % | - | Ja | Quelle | |
| Qwen 2.5 Coder 3B | - | 88,70 % | inferred family alias from qwen2.5-omni-7b (score=0.3000; benches=45) | Ja | Quelle |
