Elimination Game
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: numerical
दर्ज परिणाम
56
औसत स्कोर
4.07
स्कोर सीमा
0.30 - 7.52
अग्रणी मॉडल
7.52 - GPT 5.2
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 |
|---|---|---|---|---|---|---|
| GPT 5.2 | 11 दिस॰ 2025 | 7.52 | Medium reasoning; sigma 0.276; games 331; avg points 0.705 | नहीं | स्रोत | |
| GPT 5 | 07 अग॰ 2025 | 5.97 | Medium reasoning; sigma 0.212; games 556; avg points 0.611 | नहीं | स्रोत | |
| GPT 5 Mini | 07 अग॰ 2025 | 5.73 | Medium reasoning; sigma 0.226; games 465; avg points 0.603 | नहीं | स्रोत | |
| Claude Opus 4.5 | 24 नव॰ 2025 | 5.66 | 16K thinking; sigma 0.264; games 341; avg points 0.594 | नहीं | स्रोत | |
| Gemini 3 Flash Preview | 17 दिस॰ 2025 | 5.66 | sigma 0.244; games 398; avg points 0.598 | नहीं | स्रोत | |
| Grok 3 Mini Beta | 19 फ़र॰ 2025 | 5.53 | High reasoning; sigma 0.216; games 511; avg points 0.597 | नहीं | स्रोत | |
| DeepSeek R1 (2025-05-28) | 28 मई 2025 | 5.35 | sigma 0.204; games 565; avg points 0.581 | नहीं | स्रोत | |
| Claude 3.7 Sonnet | 24 फ़र॰ 2025 | 5.28 | 16K thinking; sigma 0.158; games 947; avg points 0.593 | नहीं | स्रोत | |
| Claude Opus 4.1 | 05 अग॰ 2025 | 5.21 | No reasoning; sigma 0.290; games 276; avg points 0.578 | नहीं | स्रोत | |
| Claude Sonnet 4.5 | 29 सित॰ 2025 | 5.19 | 16K thinking; sigma 0.262; games 348; avg points 0.559 | नहीं | स्रोत | |
| Grok 4 | 10 जुल॰ 2025 | 5.15 | sigma 0.228; games 455; avg points 0.565 | नहीं | स्रोत | |
| GPT 4.5 Preview | 27 फ़र॰ 2025 | 5.12 | sigma 0.217; games 499; avg points 0.597 | नहीं | स्रोत | |
| Claude 3.5 Sonnet (2024-10-22) | 22 अक्टू॰ 2024 | 5.10 | sigma 0.180; games 731; avg points 0.597 | नहीं | स्रोत | |
| Grok 3 Beta | 19 फ़र॰ 2025 | 5.10 | No reasoning; sigma 0.207; games 539; avg points 0.579 | नहीं | स्रोत | |
| Gemini 3 Pro Preview | 18 नव॰ 2025 | 4.89 | sigma 0.271; games 324; avg points 0.544 | नहीं | स्रोत | |
| Gemini 2.5 Flash | 17 जून 2025 | 4.73 | sigma 0.202; games 578; avg points 0.548 | नहीं | स्रोत | |
| Claude Sonnet 4 | 21 मई 2025 | 4.64 | No reasoning; sigma 0.252; games 369; avg points 0.539 | नहीं | स्रोत | |
| MiniMax M2 | 27 अक्टू॰ 2025 | 4.57 | sigma 0.280; games 291; avg points 0.522 | नहीं | स्रोत | |
| Qwen 3 Max Thinking | 26 जन॰ 2026 | 4.49 | sigma 0.285; games 286; avg points 0.516 | नहीं | स्रोत | |
| o3 | 16 अप्रैल 2025 | 4.48 | Medium reasoning; sigma 0.192; games 656; avg points 0.523 | नहीं | स्रोत | |
| Claude Opus 4 | 21 मई 2025 | 4.41 | No reasoning; sigma 0.292; games 273; avg points 0.527 | नहीं | स्रोत | |
| Qwen 3 A235 A22B Instruct 2507 | - | 4.41 | Instruct 2507; sigma 0.274; games 305; avg points 0.507 | नहीं | स्रोत | |
| o3 mini | 30 जन॰ 2025 | 4.37 | Medium reasoning; sigma 0.139; games 1194; avg points 0.531 | नहीं | स्रोत | |
| Kimi K2 Thinking | 06 नव॰ 2025 | 4.33 | 64K thinking; sigma 0.311; games 238; avg points 0.504 | नहीं | स्रोत | |
| GLM 4.5 | 28 जुल॰ 2025 | 4.25 | sigma 0.251; games 368; avg points 0.505 | नहीं | स्रोत |
