FrontierSWE

Name: FrontierSWE
Keywords: FrontierSWE, Evaluación de IA, Evaluación de modelos, Clasificación de evaluaciones de IA, Rendimiento de modelos de IA

Resultados de evaluaciones comparativas de IA y rendimiento de modelos

Tipo: percentageCode

Ver la fuente de la evaluación

Resultados registrados

Puntuación media

65.80%

Rango de puntuaciones

55% - 81.20%

Modelo líder

81.20% - Kimi K3

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
Moonshot	Kimi K3	16 jul 2026	81,20 %	KimiCode harness; dominance score recomputed from raw scores with the official evaluation script, current July 16, 2026.	Sí	Fuente
Google	Gemini 4 Carbon	28 oct 2026	61,20 %	Google-reported launch evaluation; 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	Sí	Fuente
Google	Gemini 4 Argon	13 oct 2026	55 %	Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gif	Sí	Fuente

Ayuda a mantener correctos los datos públicos