MGSM
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentageMath
Resultados registrados
40
Puntuación media
79.07%
Rango de puntuaciones
47.90% - 92.30%
Modelo líder
92.30% - Llama 4 Maverick
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 |
|---|---|---|---|---|---|---|
| Llama 4 Maverick | 05 abr 2025 | 92,30 % | - | Sí | Fuente | |
| o3 mini | 30 ene 2025 | 92 % | - | Sí | Fuente | |
| Llama 2 70B Chat | 20 jun 2023 | 91,10 % | inferred family alias from llama-3.3-70b-instruct (score=0.3129; benches=9) | Sí | Fuente | |
| o1 preview | 12 sept 2024 | 90,80 % | - | Sí | Fuente | |
| Llama 4 Scout | 05 abr 2025 | 90,60 % | - | Sí | Fuente | |
| GPT 4o (2024-05-13) | 13 may 2024 | 90,50 % | - | Sí | Fuente | |
| GPT 4 Turbo Preview (1106) | 06 nov 2023 | 88,50 % | inferred version-family alias from gpt-4-turbo-2024-04-09 | Sí | Fuente | |
| Gemini 1.5 Pro 001 | 23 may 2024 | 87,50 % | inferred alias from gemini-1.5-pro | Sí | Fuente | |
| Gemini 1.5 Pro Exp (2024-08-01) | 01 ago 2024 | 87,50 % | inferred alias from gemini-1.5-pro | Sí | Fuente | |
| Gemini 1.5 Pro Exp (2024-08-27) | 27 ago 2024 | 87,50 % | inferred alias from gemini-1.5-pro | Sí | Fuente | |
| Gemini Robotics ER 1.5 Preview | 25 sept 2025 | 87,50 % | inferred family alias from gemini-1.5-pro (score=0.3717; benches=23) | Sí | Fuente | |
| LearnLM 1.5 Pro Experimental | 19 nov 2024 | 87,50 % | inferred family alias from gemini-1.5-pro (score=0.3700; benches=23) | Sí | Fuente | |
| GPT 4o Mini Audio Preview | 17 dic 2024 | 87 % | inferred modality/version alias from gpt-4o-mini-2024-07-18 | Sí | Fuente | |
| GPT 4o Mini Realtime Preview | 17 dic 2024 | 87 % | inferred modality/version alias from gpt-4o-mini-2024-07-18 | Sí | Fuente | |
| GPT 4o Mini Search Preview | 11 mar 2025 | 87 % | inferred modality/version alias from gpt-4o-mini-2024-07-18 | Sí | Fuente | |
| GPT 4o Mini Transcribe (2025-12-15) | 15 dic 2025 | 87 % | inferred modality/version alias from gpt-4o-mini-2024-07-18 | Sí | Fuente | |
| GPT 4o Mini Transcribe (2025-03-20) | 20 mar 2025 | 87 % | inferred modality/version alias from gpt-4o-mini-2024-07-18 | Sí | Fuente | |
| GPT 4o Mini TTS (2025-12-15) | 15 dic 2025 | 87 % | inferred modality/version alias from gpt-4o-mini-2024-07-18 | Sí | Fuente | |
| GPT 4o Mini TTS (2025-03-20) | 20 mar 2025 | 87 % | inferred modality/version alias from gpt-4o-mini-2024-07-18 | Sí | Fuente | |
| Llama 3.2 90B Vision Instruct | - | 86,90 % | inferred high-confidence family alias from llama-3.2-90b-instruct (score=0.5873; benches=13) | Sí | Fuente | |
| Qwen 3 235B A22B | - | 83,53 % | - | Sí | Fuente | |
| Gemini 1.5 Flash 001 | 23 may 2024 | 82,60 % | inferred alias from gemini-1.5-flash | Sí | Fuente | |
| Gemini 1.5 Flash Preview | 14 may 2024 | 82,60 % | inferred alias from gemini-1.5-flash | Sí | Fuente | |
| Granite 4.1 8B | 29 abr 2026 | 82,32 % | 8-shot | Sí | Fuente | |
| Phi 1 | - | 80,60 % | inferred family alias from phi-4 (score=0.3100; benches=13) | Sí | Fuente |
