CruxEval-O
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: numericalReasoning
दर्ज परिणाम
6
औसत स्कोर
24.28
स्कोर सीमा
0.51 - 55.75
अग्रणी मॉडल
55.75 - Granite 4.1 30B
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Granite 4.1 30B | 29 अप्रैल 2026 | 55.75 | pass@1 | हाँ | स्रोत | |
| Granite 4.1 8B | 29 अप्रैल 2026 | 47.63 | pass@1 | हाँ | स्रोत | |
| Granite 4.1 3B | 29 अप्रैल 2026 | 40.75 | pass@1 | हाँ | स्रोत | |
| Codestral (2025-07-30) | 30 जुल॰ 2025 | 0.51 | inferred version-family alias from codestral-22b | हाँ | स्रोत | |
| Codestral (2024-05-29) | 29 मई 2024 | 0.51 | inferred modality/version alias from codestral-22b | हाँ | स्रोत | |
| Codestral (2025-01-13) | 13 जन॰ 2025 | 0.51 | inferred modality/version alias from codestral-22b | हाँ | स्रोत |
