MMLU-Pro
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentage
Resultados registrados
159
Puntuación media
71.62%
Rango de puntuaciones
16% - 88.50%
Modelo líder
88.50% - Qwen 3.6 Plus
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 |
|---|---|---|---|---|---|---|
| Qwen 3.6 Plus | 01 abr 2026 | 88,50 % | - | Sí | Fuente | |
| MiniMax M2.1 | 23 dic 2025 | 88 % | - | Sí | Fuente | |
| Qwen 3.5 397B A17B | 16 feb 2026 | 87,80 % | - | Sí | Fuente | |
| Seed 2.0 Lite | 14 feb 2026 | 87,70 % | Seed2 official benchmark table | MMLU-Pro | Sí | Fuente | |
| DeepSeek V4 Pro | 24 abr 2026 | 87,50 % | EM; DeepSeek-V4-Pro Max | Sí | Fuente | |
| Kimi K2.5 | 27 ene 2026 | 87,10 % | - | Sí | Fuente | |
| Ernie 5.0 | 22 ene 2026 | 87 % | - | Sí | Fuente | |
| Ernie 5.0 0110 | - | 87 % | inferred version-family alias from ernie-5.0 | Sí | Fuente | |
| Ernie 5.0 Preview 1203 | - | 87 % | inferred version-family alias from ernie-5.0 | Sí | Fuente | |
| Ernie 5.0 Preview 1220 | - | 87 % | inferred version-family alias from ernie-5.0 | Sí | Fuente | |
| Seed 2.0 Pro | 14 feb 2026 | 87 % | Seed2 official benchmark table | MMLU-Pro | Sí | Fuente | |
| Qwen 3.5 122B A10B | 24 feb 2026 | 86,70 % | - | Sí | Fuente | |
| DeepSeek V4 Flash | 24 abr 2026 | 86,40 % | EM; DeepSeek-V4-Flash High | Sí | Fuente | |
| Qwen 3.5 27B | 24 feb 2026 | 86,10 % | - | Sí | Fuente | |
| Qwen 3.5 Flash | 23 feb 2026 | 86,10 % | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | Sí | Fuente | |
| Qwen 3.5 35B A3B | 24 feb 2026 | 85,30 % | - | Sí | Fuente | |
| Gemma 4 31B | 02 abr 2026 | 85,20 % | - | Sí | Fuente | |
| DeepSeek OCR 2 | - | 85 % | inferred family alias from deepseek-v3.2-exp (score=0.3809; benches=14) | Sí | Fuente | |
| DeepSeek V3.2 Exp | 29 sept 2025 | 85 % | - | Sí | Fuente | |
| MiMo V2 Flash | 16 dic 2025 | 84,90 % | - | Sí | Fuente | |
| Kimi K2 Thinking | 06 nov 2025 | 84,60 % | inferred alias from kimi-k2-thinking-0905 | Sí | Fuente | |
| GLM 4.5 | 28 jul 2025 | 84,60 % | - | Sí | Fuente | |
| Qwen 3 235B A22B Thinking 2507 | - | 84,40 % | - | Sí | Fuente | |
| GLM 4.7 | 22 dic 2025 | 84,30 % | - | Sí | Fuente | |
| K EXAONE | 31 dic 2025 | 83,80 % | inferred modality/version alias from k-exaone-236b-a23b | Sí | Fuente |
