HellaSwag
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentageReasoning
दर्ज परिणाम
26
औसत स्कोर
73.26%
स्कोर सीमा
33% - 98.10%
अग्रणी मॉडल
98.10% - Drex Max 1.1
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 |
|---|---|---|---|---|---|---|
| Drex Max 1.1 | 28 अक्टू॰ 2026 | 98.10% | Nace launch chart "Decision Models Benchmark" (2026-10-28) | हाँ | स्रोत | |
| GPT 4 32K 0613 | 13 जून 2023 | 95.30% | inferred high-confidence family alias from gpt-4-0613 (score=0.4899; benches=12) | हाँ | स्रोत | |
| Gemini 1.5 Pro 001 | 23 मई 2024 | 93.30% | inferred alias from gemini-1.5-pro | हाँ | स्रोत | |
| Gemini 1.5 Pro Exp (2024-08-01) | 01 अग॰ 2024 | 93.30% | inferred alias from gemini-1.5-pro | हाँ | स्रोत | |
| Gemini 1.5 Pro Exp (2024-08-27) | 27 अग॰ 2024 | 93.30% | inferred alias from gemini-1.5-pro | हाँ | स्रोत | |
| Gemini Robotics ER 1.5 Preview | 25 सित॰ 2025 | 93.30% | inferred family alias from gemini-1.5-pro (score=0.3717; benches=23) | हाँ | स्रोत | |
| LearnLM 1.5 Pro Experimental | 19 नव॰ 2024 | 93.30% | inferred family alias from gemini-1.5-pro (score=0.3700; benches=23) | हाँ | स्रोत | |
| Qwen 2 Math 72B | - | 87.60% | inferred high-confidence family alias from qwen2-72b-instruct (score=0.4667; benches=17) | हाँ | स्रोत | |
| Qwen 2 Math RM 72B | - | 87.60% | inferred family alias from qwen2-72b-instruct (score=0.3917; benches=17) | हाँ | स्रोत | |
| DeepSeek V4.1 Flash | 10 सित॰ 2026 | 87.20% | Base model; 0-shot; EM | हाँ | स्रोत | |
| Gemini 1.5 Flash 001 | 23 मई 2024 | 86.50% | inferred alias from gemini-1.5-flash | हाँ | स्रोत | |
| Gemini 1.5 Flash Preview | 14 मई 2024 | 86.50% | inferred alias from gemini-1.5-flash | हाँ | स्रोत | |
| Llama 3.1 Nemotron 70B Instruct | 01 अक्टू॰ 2024 | 85.58% | - | हाँ | स्रोत | |
| Phi 3.5 MoE instruct | 23 अग॰ 2024 | 83.80% | - | हाँ | स्रोत | |
| Mistral Nemo 12B | 18 जुल॰ 2024 | 83.50% | inferred family alias from mistral-nemo-instruct-2407 (score=0.3250; benches=8) | हाँ | स्रोत | |
| Gemma 3n E4B | 25 जून 2025 | 78.60% | - | हाँ | स्रोत | |
| Gemma 3n E2B (Free) | 25 जून 2025 | 72.20% | - | हाँ | स्रोत | |
| Phi 3 Mini 128K Instruct | - | 69.40% | inferred family alias from phi-3.5-mini-instruct (score=0.3533; benches=31) | हाँ | स्रोत | |
| Phi 3.5 mini instruct | 23 अग॰ 2024 | 69.40% | - | हाँ | स्रोत | |
| Phi 4 Mini | 01 फ़र॰ 2025 | 69.10% | - | हाँ | स्रोत | |
| Ernie 4.5 21B A3B | - | 33% | inferred version-family alias from ernie-4.5 | हाँ | स्रोत | |
| Ernie 4.5 21B A3B Thinking | - | 33% | inferred version-family alias from ernie-4.5 | हाँ | स्रोत | |
| Ernie 4.5 300B A47B | - | 33% | inferred version-family alias from ernie-4.5 | हाँ | स्रोत | |
| Ernie 4.5 Turbo | - | 33% | inferred version-family alias from ernie-4.5 | हाँ | स्रोत | |
| Ernie 4.5 VL 28B A3B | - | 33% | inferred version-family alias from ernie-4.5 | हाँ | स्रोत |
