MMLU
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentage
Resultados registrados
140
Puntuación media
78.55%
Rango de puntuaciones
41.90% - 90.80%
Modelo líder
90.80% - GPT 4.5 Preview
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 |
|---|---|---|---|---|---|---|
| GPT 4.5 Preview | 27 feb 2025 | 90,80 % | - | Sí | Fuente | |
| o1 preview | 12 sept 2024 | 90,80 % | - | Sí | Fuente | |
| Qwen 3 VL 235B A22B Thinking | - | 90,60 % | - | Sí | - | |
| GPT OSS 120b | 05 ago 2025 | 90 % | High Reasoning Effort | Sí | Fuente | |
| GPT OSS Safeguard 120b | 29 oct 2025 | 90 % | inferred high-confidence family alias from gpt-oss-120b (score=0.5102; benches=7) | Sí | Fuente | |
| LongCat Flash Chat | - | 89,71 % | inferred high-confidence family alias from longcat-flash-chat (score=0.4667; benches=16) | Sí | Fuente | |
| Kimi K2 (2025-09-05) | 05 sept 2025 | 89,50 % | EM | Sí | Fuente | |
| Gemini 2.5 Pro Preview (2025-06-05) | 05 jun 2025 | 89,20 % | - | Sí | Fuente | |
| Qwen 3 VL 235B A22B Instruct | - | 88,80 % | - | Sí | - | |
| GPT 4o (2024-05-13) | 13 may 2024 | 88,70 % | - | Sí | Fuente | |
| Qwen 3 VL 32B Thinking | - | 88,70 % | - | Sí | - | |
| Gemini 2.5 Pro Preview (2025-05-06) | 06 may 2025 | 88,60 % | Lite | Sí | Fuente | |
| DeepSeek OCR | 20 oct 2025 | 88,50 % | inferred family alias from deepseek-v3 (score=0.3000; benches=20) | Sí | Fuente | |
| DeepSeek V2 (2024-06-28) | 28 jun 2024 | 88,50 % | inferred family alias from deepseek-v3 (score=0.4159; benches=20) | Sí | Fuente | |
| DeepSeek V4 | - | 88,50 % | inferred high-confidence family alias from deepseek-v3 (score=0.5818; benches=20) | Sí | Fuente | |
| Gemini 2.0 Flash | 05 feb 2025 | 88,40 % | Lite | Sí | Fuente | |
| Gemini 2.5 Flash Preview (2025-04-17) | 17 abr 2025 | 88,40 % | Lite | Sí | Fuente | |
| Gemini 2.5 Flash Preview (2025-05-20) | 20 may 2025 | 88,40 % | Lite | Sí | Fuente | |
| Qwen 3 235B A22B | - | 87,81 % | - | Sí | Fuente | |
| Kimi K2 (2025-07-11) | 11 jul 2025 | 87,80 % | EM | Sí | Fuente | |
| Qwen 3 VL 30B A3B Thinking | - | 87,60 % | - | Sí | - | |
| Grok 2 | 13 ago 2024 | 87,50 % | - | Sí | Fuente | |
| Kimi K1.5 | 20 ene 2025 | 87,40 % | - | Sí | Fuente | |
| o3 mini | 30 ene 2025 | 86,90 % | - | Sí | Fuente | |
| GPT 4 Turbo Preview (1106) | 06 nov 2023 | 86,50 % | inferred version-family alias from gpt-4-turbo-2024-04-09 | Sí | Fuente |
