Confabulations
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: numerical
Resultados registrados
61
Puntuación media
18.79
Rango de puntuaciones
10.34 - 40.26
Modelo líder (puntuación más baja)
10.34 - GPT 5
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| GPT 5 | 07 ago 2025 | 10,34 | Medium reasoning; Confab 10.9%; non-response 9.8% | No | Fuente | |
| Gemini 2.5 Pro Preview (2025-05-06) | 06 may 2025 | 10,62 | Confab 5.9%; non-response 15.3% | No | Fuente | |
| Gemini 2.5 Pro Experimental (2025-03-25) | 25 mar 2025 | 10,80 | 2025-03-25; Confab 4.0%; non-response 17.6% | No | Fuente | |
| GLM 4.5 | 28 jul 2025 | 11,30 | Confab 7.9%; non-response 14.7% | No | Fuente | |
| o1 | 17 dic 2024 | 11,74 | Medium reasoning; Confab 10.9%; non-response 12.6% | No | Fuente | |
| Qwen 3 30B A3B | - | 12,28 | Confab 12.9%; non-response 11.7% | No | Fuente | |
| Grok 4 | 10 jul 2025 | 12,41 | Confab 4.0%; non-response 20.9% | No | Fuente | |
| Gemini 2.0 Flash Thinking Exp (2025-01-21) | 21 ene 2025 | 12,43 | Confab 14.9%; non-response 10.0% | No | Fuente | |
| DeepSeek R1 | - | 12,65 | Confab 17.3%; non-response 8.0% | No | Fuente | |
| o1 preview | 12 sept 2024 | 13,04 | Confab 18.3%; non-response 7.8% | No | Fuente | |
| GPT 5 Mini | 07 ago 2025 | 13,28 | Medium reasoning; Confab 21.8%; non-response 4.8% | No | Fuente | |
| Gemini 1.5 Pro 002 | 24 sept 2024 | 13,54 | Confab 16.8%; non-response 10.2% | No | Fuente | |
| GPT 4.5 Preview | 27 feb 2025 | 13,64 | Confab 11.9%; non-response 15.4% | No | Fuente | |
| Grok 3 Mini Beta | 19 feb 2025 | 14,04 | Low reasoning; Confab 10.9%; non-response 17.2% | No | Fuente | |
| Grok 3 Beta | 19 feb 2025 | 14,19 | No reasoning; Confab 17.8%; non-response 10.6% | No | Fuente | |
| o3 Pro | 10 jun 2025 | 14,22 | Medium reasoning; Confab 23.4%; non-response 5.1% | No | Fuente | |
| o3 | 16 abr 2025 | 14,38 | High reasoning; Confab 24.8%; non-response 4.0% | No | Fuente | |
| DeepSeek R1 (2025-05-28) | 28 may 2025 | 14,56 | Confab 12.9%; non-response 16.2% | No | Fuente | |
| Claude Sonnet 4 | 21 may 2025 | 14,85 | No reasoning; Confab 5.4%; non-response 24.2% | No | Fuente | |
| GPT 4o (2024-08-06) | 06 ago 2024 | 15,34 | Confab 22.3%; non-response 8.4% | No | Fuente | |
| QwQ 32B | - | 15,57 | 16K; Confab 25.2%; non-response 5.9% | No | Fuente | |
| Qwen 3 235B A22B | - | 15,61 | Confab 23.3%; non-response 8.0% | No | Fuente | |
| GPT OSS 120b | 05 ago 2025 | 15,65 | Medium reasoning; Confab 23.3%; non-response 8.0% | No | Fuente | |
| o4 Mini | 16 abr 2025 | 15,79 | High reasoning; Confab 26.7%; non-response 4.8% | No | Fuente | |
| Ernie 4.5 300B A47B | - | 15,97 | Confab 25.2%; non-response 6.7% | No | Fuente |
