DeepPlanning v1.1 Shopping Case Accuracy
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: numericalPlanning
दर्ज परिणाम
3
औसत स्कोर
34.97
स्कोर सीमा
10.40 - 48.90
अग्रणी मॉडल
48.90 - Qwen 3.5 Plus
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 |
|---|---|---|---|---|---|---|
| Qwen 3.5 Plus | 16 फ़र॰ 2026 | 48.90 | DeepPlanning v1.1 | Alibaba/Qwen-3.5-Plus (w/o thinking) | हाँ | स्रोत | |
| Qwen 3 Max Thinking | 26 जन॰ 2026 | 45.60 | DeepPlanning v1.1 | Alibaba/Qwen3-Max (w/ thinking) | हाँ | स्रोत | |
| Grok 4 Fast Non Reasoning | 20 सित॰ 2025 | 10.40 | DeepPlanning v1.1 | SpaceXAI/Grok-4.1-fast (non-reasoning) | हाँ | स्रोत |
