LiveBench
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentage
Resultados registrados
62
Puntuación media
62.45%
Rango de puntuaciones
29.60% - 84.60%
Modelo líder
84.60% - o3 mini
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 |
|---|---|---|---|---|---|---|
| o3 mini | 30 ene 2025 | 84,60 % | - | Sí | Fuente | |
| GPT 5.5 | 23 abr 2026 | 80,71 % | 2026-01-08 release; xHigh effort | No | Fuente | |
| Qwen 3 235B A22B Thinking 2507 | - | 78,40 % | 2024-11-25 | Sí | Fuente | |
| Claude Opus 4.8 | 28 may 2026 | 77,22 % | 2026-01-08 release; xHigh effort | No | Fuente | |
| Qwen 3 235B A22B | - | 77,10 % | - | Sí | Fuente | |
| Kimi K2 (2025-09-05) | 05 sept 2025 | 76,40 % | Pass@1 | Sí | Fuente | |
| Qwen 3 A235 A22B Instruct 2507 | - | 75,40 % | 2024-11-25 | Sí | Fuente | |
| Gemini 3.5 Flash | 19 may 2026 | 75,02 % | 2026-01-08 release; high effort | No | Fuente | |
| Qwen 3 32B | - | 74,90 % | - | Sí | Fuente | |
| o3 | 16 abr 2025 | 74,42 % | High Reasoning Effort | No | Fuente | |
| Qwen 3 30B A3B | - | 74,30 % | - | Sí | Fuente | |
| Qwen 3 30B A3B Instruct 2507 | - | 74,30 % | inferred version-family alias from qwen3-30b-a3b | Sí | Fuente | |
| Qwen 3 30B A3B Thinking 2507 | - | 74,30 % | inferred version-family alias from qwen3-30b-a3b | Sí | Fuente | |
| Qwen 3 Coder 30B A3B Instruct | - | 74,30 % | inferred high-confidence family alias from qwen3-30b-a3b (score=0.5007; benches=8) | Sí | Fuente | |
| Qwen 3 Omni 30B A3B Captioner | - | 74,30 % | inferred family alias from qwen3-30b-a3b (score=0.4129; benches=8) | Sí | Fuente | |
| Qwen 3 Omni 30B A3B Instruct | - | 74,30 % | inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8) | Sí | Fuente | |
| Qwen 3 Omni 30B A3B Thinking | - | 74,30 % | inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8) | Sí | Fuente | |
| Qwen 3.7 Max | 21 may 2026 | 74,29 % | 2026-01-08 release | No | Fuente | |
| DeepSeek V4 Pro | 24 abr 2026 | 73,58 % | 2026-01-08 release | No | Fuente | |
| QwQ 32B | - | 73,10 % | - | Sí | Fuente | |
| Claude Opus 4 | 21 may 2025 | 72,93 % | 32k Thinking | No | Fuente | |
| Claude Sonnet 4 | 21 may 2025 | 72,08 % | 64k Thinking | No | Fuente | |
| o4 Mini | 16 abr 2025 | 71,52 % | High Reasoning Effort | No | Fuente | |
| Qwen 3.6 Plus | 01 abr 2026 | 70,85 % | 2026-01-08 release | No | Fuente | |
| DeepSeek R1 (2025-05-28) | 28 may 2025 | 69,39 % | - | No | Fuente |
