Vending Bench 2
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: numerical
Resultados registrados
15
Puntuación media
5026
Rango de puntuaciones
351 - 16484
Modelo líder
16484 - Gemini 4 Carbon
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 4 Carbon | 28 oct 2026 | 16.484 | Google-reported launch evaluation; Final bank balance (USD); source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/images/gemini_4_carbon__evals-table.original.png; methodology: deepmind.google/models/evals-methodology/gemini-4-carbon | Sí | Fuente | |
| Claude Opus 4.6 | 05 feb 2026 | 8018 | Final balance | Sí | Fuente | |
| Claude Sonnet 4.6 | 17 feb 2026 | 7204 | Max effort final balance | Sí | Fuente | |
| GLM 5.1 | 07 abr 2026 | 5634 | - | Sí | Fuente | |
| Gemini 3 Pro Image Preview (Nano Banana Pro) | 20 nov 2025 | 5478 | inferred modality/version alias from gemini-3-pro-preview | Sí | Fuente | |
| Gemini 3 Pro Preview | 18 nov 2025 | 5478 | - | Sí | Fuente | |
| Claude Opus 4.5 | 24 nov 2025 | 4967 | 8k Thinking | No | Fuente | |
| Claude Sonnet 4.5 | 29 sept 2025 | 3839 | - | No | Fuente | |
| Gemini 3 Flash Preview | 17 dic 2025 | 3635 | Higher is better, value in dollars | Sí | Fuente | |
| Grok 4 | 10 jul 2025 | 1999 | - | No | Fuente | |
| GPT 5.1 | 12 nov 2025 | 1473 | - | No | Fuente | |
| Gemini 2.5 Pro Preview (2025-06-05) | 05 jun 2025 | 574 | - | No | Fuente | |
| Grok 4.1 Non Thinking | 17 nov 2025 | 351 | - | No | Fuente |
