LiveBench
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
62
औसत स्कोर
62.45%
स्कोर सीमा
29.60% - 84.60%
अग्रणी मॉडल
84.60% - o3 mini
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 |
|---|---|---|---|---|---|---|
| o3 mini | 30 जन॰ 2025 | 84.60% | - | हाँ | स्रोत | |
| GPT 5.5 | 23 अप्रैल 2026 | 80.71% | 2026-01-08 release; xHigh effort | नहीं | स्रोत | |
| Qwen 3 235B A22B Thinking 2507 | - | 78.40% | 2024-11-25 | हाँ | स्रोत | |
| Claude Opus 4.8 | 28 मई 2026 | 77.22% | 2026-01-08 release; xHigh effort | नहीं | स्रोत | |
| Qwen 3 235B A22B | - | 77.10% | - | हाँ | स्रोत | |
| Kimi K2 (2025-09-05) | 05 सित॰ 2025 | 76.40% | Pass@1 | हाँ | स्रोत | |
| Qwen 3 A235 A22B Instruct 2507 | - | 75.40% | 2024-11-25 | हाँ | स्रोत | |
| Gemini 3.5 Flash | 19 मई 2026 | 75.02% | 2026-01-08 release; high effort | नहीं | स्रोत | |
| Qwen 3 32B | - | 74.90% | - | हाँ | स्रोत | |
| o3 | 16 अप्रैल 2025 | 74.42% | High Reasoning Effort | नहीं | स्रोत | |
| Qwen 3 30B A3B | - | 74.30% | - | हाँ | स्रोत | |
| Qwen 3 30B A3B Instruct 2507 | - | 74.30% | inferred version-family alias from qwen3-30b-a3b | हाँ | स्रोत | |
| Qwen 3 30B A3B Thinking 2507 | - | 74.30% | inferred version-family alias from qwen3-30b-a3b | हाँ | स्रोत | |
| Qwen 3 Coder 30B A3B Instruct | - | 74.30% | inferred high-confidence family alias from qwen3-30b-a3b (score=0.5007; benches=8) | हाँ | स्रोत | |
| Qwen 3 Omni 30B A3B Captioner | - | 74.30% | inferred family alias from qwen3-30b-a3b (score=0.4129; benches=8) | हाँ | स्रोत | |
| Qwen 3 Omni 30B A3B Instruct | - | 74.30% | inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8) | हाँ | स्रोत | |
| Qwen 3 Omni 30B A3B Thinking | - | 74.30% | inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8) | हाँ | स्रोत | |
| Qwen 3.7 Max | 21 मई 2026 | 74.29% | 2026-01-08 release | नहीं | स्रोत | |
| DeepSeek V4 Pro | 24 अप्रैल 2026 | 73.58% | 2026-01-08 release | नहीं | स्रोत | |
| QwQ 32B | - | 73.10% | - | हाँ | स्रोत | |
| Claude Opus 4 | 21 मई 2025 | 72.93% | 32k Thinking | नहीं | स्रोत | |
| Claude Sonnet 4 | 21 मई 2025 | 72.08% | 64k Thinking | नहीं | स्रोत | |
| o4 Mini | 16 अप्रैल 2025 | 71.52% | High Reasoning Effort | नहीं | स्रोत | |
| Qwen 3.6 Plus | 01 अप्रैल 2026 | 70.85% | 2026-01-08 release | नहीं | स्रोत | |
| DeepSeek R1 (2025-05-28) | 28 मई 2025 | 69.39% | - | नहीं | स्रोत |
