GDPval-AA
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: numerical
दर्ज परिणाम
39
औसत स्कोर
1267
स्कोर सीमा
0.50 - 1932
अग्रणी मॉडल
1932 - Claude Fable 5
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 |
|---|---|---|---|---|---|---|
| Claude Fable 5 | 09 जून 2026 | 1,932 | Higher of Mythos 5 / Fable 5; Elo | हाँ | स्रोत | |
| Claude Mythos 5 | 09 जून 2026 | 1,932 | Higher of Mythos 5 / Fable 5; Elo | हाँ | स्रोत | |
| Claude Opus 4.8 | 28 मई 2026 | 1,890 | Adaptive reasoning, max effort; Elo | नहीं | स्रोत | |
| Claude Opus 5 | 24 जुल॰ 2026 | 1,861 | GDPval-AA v2 Elo; max effort; independently evaluated by Artificial Analysis | नहीं | स्रोत | |
| Kimi K3 | 16 जुल॰ 2026 | 1,668 | GDPval-AA v2 Elo score; cited by Moonshot from Artificial Analysis. | नहीं | स्रोत | |
| Gemini 3.5 Flash | 19 मई 2026 | 1,656 | Elo | हाँ | स्रोत | |
| Claude Sonnet 4.6 | 17 फ़र॰ 2026 | 1,633 | - | हाँ | स्रोत | |
| Claude Sonnet 5 | 30 जून 2026 | 1,609 | GDPval-AA v2; Elo; independent Artificial Analysis evaluation, score as of 2026-06-06 | नहीं | स्रोत | |
| Claude Opus 4.6 | 05 फ़र॰ 2026 | 1,606 | - | हाँ | स्रोत | |
| DeepSeek V4 Pro | 24 अप्रैल 2026 | 1,554 | Elo; DeepSeek-V4-Pro Max | हाँ | स्रोत | |
| Grok 4.3 | 30 अप्रैल 2026 | 1,500 | Elo | नहीं | स्रोत | |
| GLM 5 Turbo | 15 मार्च 2026 | 1,500 | Artificial Analysis structured model metrics | नहीं | स्रोत | |
| Muse Spark | 08 अप्रैल 2026 | 1,444 | Office tasks (Artificial Analysis) | हाँ | स्रोत | |
| MiMo V2 Pro | 18 मार्च 2026 | 1,426 | - | हाँ | स्रोत | |
| MiMo V2 TTS (Free) | 18 मार्च 2026 | 1,426 | inferred modality/version alias from mimo-v2-pro | हाँ | स्रोत | |
| MiMo V2 Omni | 18 मार्च 2026 | 1,410 | - | हाँ | स्रोत | |
| DeepSeek V4 Flash | 24 अप्रैल 2026 | 1,395 | Elo; DeepSeek-V4-Flash Max | हाँ | स्रोत | |
| Gemini 3.1 Pro Preview | 19 फ़र॰ 2026 | 1,317 | - | हाँ | - | |
| Gemini 3.1 Pro Preview Customtools | 19 फ़र॰ 2026 | 1,317 | inferred alias of gemini-3.1-pro-preview | हाँ | स्रोत | |
| Grok 4.20 | 17 फ़र॰ 2026 | 1,187 | Artificial Analysis structured model metrics | नहीं | स्रोत | |
| Muse Glimmer 30B | 10 अग॰ 2026 | 953 | GDPVal-AA v2; high reasoning | हाँ | स्रोत | |
| Nemotron 3.5 Lightning 30B A3B | 11 अग॰ 2026 | 832 | NVIDIA release evaluation suite | हाँ | स्रोत | |
| Solar Pro 3 (2026-03-23) | 23 मार्च 2026 | 682 | Artificial Analysis structured model metrics | नहीं | स्रोत | |
| GPT 5.5 | 23 अप्रैल 2026 | 84.90 | Wins or ties | हाँ | स्रोत | |
| GPT 5.5 Pro | 23 अप्रैल 2026 | 82.30 | Wins or ties | हाँ | स्रोत |
