CruxEval-O
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: numericalReasoning
Resultados registrados
6
Puntuación media
24.28
Rango de puntuaciones
0.51 - 55.75
Modelo líder
55.75 - Granite 4.1 30B
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 |
|---|---|---|---|---|---|---|
| Granite 4.1 30B | 29 abr 2026 | 55,75 | pass@1 | Sí | Fuente | |
| Granite 4.1 8B | 29 abr 2026 | 47,63 | pass@1 | Sí | Fuente | |
| Granite 4.1 3B | 29 abr 2026 | 40,75 | pass@1 | Sí | Fuente | |
| Codestral (2025-07-30) | 30 jul 2025 | 0,51 | inferred version-family alias from codestral-22b | Sí | Fuente | |
| Codestral (2024-05-29) | 29 may 2024 | 0,51 | inferred modality/version alias from codestral-22b | Sí | Fuente | |
| Codestral (2025-01-13) | 13 ene 2025 | 0,51 | inferred modality/version alias from codestral-22b | Sí | Fuente |
