HellaSwag
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentageReasoning
Resultados registrados
26
Puntuación media
73.26%
Rango de puntuaciones
33% - 98.10%
Modelo líder
98.10% - Drex Max 1.1
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 |
|---|---|---|---|---|---|---|
| Drex Max 1.1 | 28 oct 2026 | 98,10 % | Nace launch chart "Decision Models Benchmark" (2026-10-28) | Sí | Fuente | |
| GPT 4 32K 0613 | 13 jun 2023 | 95,30 % | inferred high-confidence family alias from gpt-4-0613 (score=0.4899; benches=12) | Sí | Fuente | |
| Gemini 1.5 Pro 001 | 23 may 2024 | 93,30 % | inferred alias from gemini-1.5-pro | Sí | Fuente | |
| Gemini 1.5 Pro Exp (2024-08-01) | 01 ago 2024 | 93,30 % | inferred alias from gemini-1.5-pro | Sí | Fuente | |
| Gemini 1.5 Pro Exp (2024-08-27) | 27 ago 2024 | 93,30 % | inferred alias from gemini-1.5-pro | Sí | Fuente | |
| Gemini Robotics ER 1.5 Preview | 25 sept 2025 | 93,30 % | inferred family alias from gemini-1.5-pro (score=0.3717; benches=23) | Sí | Fuente | |
| LearnLM 1.5 Pro Experimental | 19 nov 2024 | 93,30 % | inferred family alias from gemini-1.5-pro (score=0.3700; benches=23) | Sí | Fuente | |
| Qwen 2 Math 72B | - | 87,60 % | inferred high-confidence family alias from qwen2-72b-instruct (score=0.4667; benches=17) | Sí | Fuente | |
| Qwen 2 Math RM 72B | - | 87,60 % | inferred family alias from qwen2-72b-instruct (score=0.3917; benches=17) | Sí | Fuente | |
| DeepSeek V4.1 Flash | 10 sept 2026 | 87,20 % | Base model; 0-shot; EM | Sí | Fuente | |
| Gemini 1.5 Flash 001 | 23 may 2024 | 86,50 % | inferred alias from gemini-1.5-flash | Sí | Fuente | |
| Gemini 1.5 Flash Preview | 14 may 2024 | 86,50 % | inferred alias from gemini-1.5-flash | Sí | Fuente | |
| Llama 3.1 Nemotron 70B Instruct | 01 oct 2024 | 85,58 % | - | Sí | Fuente | |
| Phi 3.5 MoE instruct | 23 ago 2024 | 83,80 % | - | Sí | Fuente | |
| Mistral Nemo 12B | 18 jul 2024 | 83,50 % | inferred family alias from mistral-nemo-instruct-2407 (score=0.3250; benches=8) | Sí | Fuente | |
| Gemma 3n E4B | 25 jun 2025 | 78,60 % | - | Sí | Fuente | |
| Gemma 3n E2B (Free) | 25 jun 2025 | 72,20 % | - | Sí | Fuente | |
| Phi 3 Mini 128K Instruct | - | 69,40 % | inferred family alias from phi-3.5-mini-instruct (score=0.3533; benches=31) | Sí | Fuente | |
| Phi 3.5 mini instruct | 23 ago 2024 | 69,40 % | - | Sí | Fuente | |
| Phi 4 Mini | 01 feb 2025 | 69,10 % | - | Sí | Fuente | |
| Ernie 4.5 21B A3B | - | 33 % | inferred version-family alias from ernie-4.5 | Sí | Fuente | |
| Ernie 4.5 21B A3B Thinking | - | 33 % | inferred version-family alias from ernie-4.5 | Sí | Fuente | |
| Ernie 4.5 300B A47B | - | 33 % | inferred version-family alias from ernie-4.5 | Sí | Fuente | |
| Ernie 4.5 Turbo | - | 33 % | inferred version-family alias from ernie-4.5 | Sí | Fuente | |
| Ernie 4.5 VL 28B A3B | - | 33 % | inferred version-family alias from ernie-4.5 | Sí | Fuente |
