Thematic Generalisation
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: numerical
Resultados registrados
30
Puntuación media
57.23
Rango de puntuaciones
20.30 - 80.60
Modelo líder
80.60 - Claude Opus 4.6
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 |
|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 19 feb 2026 | 79,40 | Top-1 accuracy 91.5%; cases 703 | No | Fuente | |
| GLM 5.1 | 07 abr 2026 | 69,80 | Top-1 accuracy 85.9%; cases 703 | No | Fuente | |
| Kimi K2.5 | 27 ene 2026 | 69,40 | Thinking; Top-1 accuracy 84.8%; cases 703 | No | Fuente | |
| Claude Opus 4.6 | 05 feb 2026 | 68,80 | No reasoning; Top-1 accuracy 84.1%; cases 703 | No | Fuente | |
| Claude Sonnet 4.6 | 17 feb 2026 | 68,50 | No reasoning; Top-1 accuracy 82.5%; cases 703 | No | Fuente | |
| Qwen 3.5 397B A17B | 16 feb 2026 | 65,10 | Top-1 accuracy 82.4%; cases 703 | No | Fuente | |
| DeepSeek V3.2 | 01 dic 2025 | 65 | Top-1 accuracy 81.8%; cases 703 | No | Fuente | |
| Gemini 3.1 Flash Lite Preview | 03 mar 2026 | 63,30 | Top-1 accuracy 82.1%; cases 703 | No | Fuente | |
| GPT 5.4 Mini | 17 mar 2026 | 61,70 | xHigh reasoning; Top-1 accuracy 80.8%; cases 703 | No | Fuente | |
| Qwen 3.6 Plus | 01 abr 2026 | 59,50 | Top-1 accuracy 81.5%; cases 703 | No | Fuente | |
| Seed 2.0 Pro | 14 feb 2026 | 57,10 | Top-1 accuracy 77.0%; cases 703 | No | Fuente | |
| Gemma 4 31B | 02 abr 2026 | 53 | Reasoning; Top-1 accuracy 76.1%; cases 703 | No | Fuente | |
| Claude Opus 4.7 | 16 abr 2026 | 52,60 | No reasoning; Top-1 accuracy 71.6%; cases 703 | No | Fuente | |
| Qwen 3.5 122B A10B | 24 feb 2026 | 51,20 | Top-1 accuracy 76.5%; cases 703 | No | Fuente | |
| MiMo V2 Pro | 18 mar 2026 | 45,90 | Top-1 accuracy 68.8%; cases 703 | No | Fuente | |
| Qwen 3.5 27B | 24 feb 2026 | 45,50 | Top-1 accuracy 71.3%; cases 703 | No | Fuente | |
| Ernie 5.0 | 22 ene 2026 | 41,70 | Top-1 accuracy 65.3%; cases 703 | No | Fuente | |
| Trinity Large Thinking | 01 abr 2026 | 41,60 | Top-1 accuracy 66.1%; cases 703 | No | Fuente | |
| MiniMax M2.7 | 18 mar 2026 | 39,30 | Top-1 accuracy 63.4%; cases 703 | No | Fuente | |
| GPT 5.4 | 05 mar 2026 | 27,10 | No reasoning; Top-1 accuracy 44.0%; cases 703 | No | Fuente | |
| Mistral Large 3.0 | 02 dic 2025 | 23 | Top-1 accuracy 34.0%; cases 703 | No | Fuente | |
| Grok 4.20 | 17 feb 2026 | 22 | Non-reasoning; Top-1 accuracy 33.4%; cases 703 | No | Fuente | |
| Mistral Medium 3.1 | 12 ago 2025 | 20,30 | Top-1 accuracy 32.3%; cases 703 | No | Fuente |
