MATH 500
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentage
Resultados registrados
33
Puntuación media
86.24%
Rango de puntuaciones
69.02% - 98.20%
Modelo líder
98.20% - GLM 4.5
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 |
|---|---|---|---|---|---|---|
| GLM 4.5 | 28 jul 2025 | 98,20 % | - | Sí | Fuente | |
| GLM 4.5 Air | 28 jul 2025 | 98,10 % | - | Sí | Fuente | |
| Nemotron Nano 12B V2 | - | 97,80 % | inferred high-confidence family alias from nvidia-nemotron-nano-9b-v2 (score=0.4889; benches=6) | Sí | Fuente | |
| Nemotron Nano 9B V2 | - | 97,80 % | - | Sí | Fuente | |
| Kimi K2 (2025-09-05) | 05 sept 2025 | 97,40 % | Acc | Sí | Fuente | |
| Llama 3.1 Nemotron Ultra 253B v1 | 07 abr 2025 | 97 % | - | Sí | Fuente | |
| MiniMax M1 80K | 16 jun 2025 | 96,80 % | - | Sí | - | |
| Llama 3.3 Nemotron Super 49B v1 | 18 mar 2025 | 96,60 % | - | Sí | Fuente | |
| Llama 3.3 Nemotron Super 49B V1.5 | - | 96,60 % | inferred version-family alias from llama-3.3-nemotron-super-49b-v1 | Sí | Fuente | |
| LongCat Flash Chat | - | 96,40 % | inferred high-confidence family alias from longcat-flash-chat (score=0.4667; benches=16) | Sí | Fuente | |
| Kimi K1.5 | 20 ene 2025 | 96,20 % | - | Sí | Fuente | |
| Minimax M1 40K | 16 jun 2025 | 96 % | - | Sí | - | |
| Llama 3.1 Nemotron Nano 4B V1.1 | - | 95,40 % | inferred high-confidence family alias from llama-3.1-nemotron-nano-8b-v1 (score=0.5523; benches=7) | Sí | Fuente | |
| Llama 3.1 Nemotron Nano 8B V1 | 18 mar 2025 | 95,40 % | - | Sí | Fuente | |
| Phi 4 Mini Flash Reasoning | - | 94,60 % | inferred modality/version alias from phi-4-mini-reasoning | Sí | Fuente | |
| Phi 4 Mini Reasoning | 30 abr 2025 | 94,60 % | - | Sí | Fuente | |
| QwQ 32B | - | 90,60 % | - | Sí | Fuente | |
| QwQ 32B Preview | - | 90,60 % | - | Sí | Fuente | |
| DeepSeek OCR | 20 oct 2025 | 90,20 % | inferred family alias from deepseek-v3 (score=0.3000; benches=20) | Sí | Fuente | |
| DeepSeek V2 (2024-06-28) | 28 jun 2024 | 90,20 % | inferred family alias from deepseek-v3 (score=0.4159; benches=20) | Sí | Fuente | |
| DeepSeek V4 | - | 90,20 % | inferred high-confidence family alias from deepseek-v3 (score=0.5818; benches=20) | Sí | Fuente | |
| o1 mini | 12 sept 2024 | 90 % | - | Sí | Fuente | |
| Granite 3.0 8B Instruct | - | 69,02 % | inferred high-confidence family alias from granite-3.3-8b-instruct (score=0.4911; benches=14) | Sí | Fuente | |
| Granite 3.1 8B Instruct | - | 69,02 % | inferred high-confidence family alias from granite-3.3-8b-instruct (score=0.4911; benches=14) | Sí | Fuente | |
| Granite 3.2 8B Instruct | - | 69,02 % | inferred high-confidence family alias from granite-3.3-8b-instruct (score=0.4911; benches=14) | Sí | Fuente |
