GSM8K
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
62
औसत स्कोर
80.12%
स्कोर सीमा
25.20% - 97%
अग्रणी मॉडल
97% - GPT 4.5 Preview
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 4.5 Preview | 27 फ़र॰ 2025 | 97% | - | हाँ | स्रोत | |
| Qwen 72B | - | 95.80% | inferred family alias from qwen-2.5-72b-instruct (score=0.3060; benches=14) | हाँ | स्रोत | |
| DeepSeek V2.5 (2024-09-05) | 05 सित॰ 2024 | 95.10% | inferred alias from deepseek-v2.5 | हाँ | स्रोत | |
| DeepSeek V2.5 (2024-12-10) | 10 दिस॰ 2024 | 95.10% | inferred alias from deepseek-v2.5 | हाँ | स्रोत | |
| Qwen 14B | - | 94.80% | inferred family alias from qwen-2.5-14b-instruct (score=0.3060; benches=16) | हाँ | स्रोत | |
| Qwen 3 235B A22B | - | 94.39% | - | हाँ | स्रोत | |
| Granite 4.1 30B | 29 अप्रैल 2026 | 94.16% | 8-shot | हाँ | स्रोत | |
| Mistral Large 2.1 | 18 नव॰ 2024 | 93% | inferred version-family alias from mistral-large-2-2407 | हाँ | स्रोत | |
| Mistral OCR 2 | 22 मई 2025 | 93% | inferred family alias from mistral-large-2-2407 (score=0.3100; benches=5) | हाँ | स्रोत | |
| DeepSeek V4.1 Flash | 10 सित॰ 2026 | 93% | Base model; 8-shot; EM | हाँ | स्रोत | |
| DeepSeek V4 Pro | 24 अप्रैल 2026 | 92.60% | Hugging Face evaluation result | हाँ | स्रोत | |
| Granite 4.1 8B | 29 अप्रैल 2026 | 92.49% | 8-shot | हाँ | स्रोत | |
| Kimi K2 (2025-07-11) | 11 जुल॰ 2025 | 92.10% | EM | हाँ | स्रोत | |
| Qwen 7B | - | 91.60% | inferred family alias from qwen-2.5-7b-instruct (score=0.3083; benches=14) | हाँ | स्रोत | |
| Llama 3.1 Nemotron 70B Instruct | 01 अक्टू॰ 2024 | 91.43% | - | हाँ | स्रोत | |
| Qwen 2 Math 72B | - | 91.10% | inferred high-confidence family alias from qwen2-72b-instruct (score=0.4667; benches=17) | हाँ | स्रोत | |
| Qwen 2 Math RM 72B | - | 91.10% | inferred family alias from qwen2-72b-instruct (score=0.3917; benches=17) | हाँ | स्रोत | |
| Gemini 1.5 Pro 001 | 23 मई 2024 | 90.80% | inferred alias from gemini-1.5-pro | हाँ | स्रोत | |
| Gemini 1.5 Pro Exp (2024-08-01) | 01 अग॰ 2024 | 90.80% | inferred alias from gemini-1.5-pro | हाँ | स्रोत | |
| Gemini 1.5 Pro Exp (2024-08-27) | 27 अग॰ 2024 | 90.80% | inferred alias from gemini-1.5-pro | हाँ | स्रोत | |
| Gemini Robotics ER 1.5 Preview | 25 सित॰ 2025 | 90.80% | inferred family alias from gemini-1.5-pro (score=0.3717; benches=23) | हाँ | स्रोत | |
| LearnLM 1.5 Pro Experimental | 19 नव॰ 2024 | 90.80% | inferred family alias from gemini-1.5-pro (score=0.3700; benches=23) | हाँ | स्रोत | |
| Grok 1.5 | 28 मार्च 2024 | 90% | - | हाँ | स्रोत | |
| Phi 3.5 MoE instruct | 23 अग॰ 2024 | 88.70% | - | हाँ | स्रोत | |
| Qwen 2.5 Coder 3B | - | 88.70% | inferred family alias from qwen2.5-omni-7b (score=0.3000; benches=45) | हाँ | स्रोत |
