MMLU
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
140
औसत स्कोर
78.55%
स्कोर सीमा
41.90% - 90.80%
अग्रणी मॉडल
90.80% - 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 | 90.80% | - | हाँ | स्रोत | |
| o1 preview | 12 सित॰ 2024 | 90.80% | - | हाँ | स्रोत | |
| Qwen 3 VL 235B A22B Thinking | - | 90.60% | - | हाँ | - | |
| GPT OSS 120b | 05 अग॰ 2025 | 90% | High Reasoning Effort | हाँ | स्रोत | |
| GPT OSS Safeguard 120b | 29 अक्टू॰ 2025 | 90% | inferred high-confidence family alias from gpt-oss-120b (score=0.5102; benches=7) | हाँ | स्रोत | |
| LongCat Flash Chat | - | 89.71% | inferred high-confidence family alias from longcat-flash-chat (score=0.4667; benches=16) | हाँ | स्रोत | |
| Kimi K2 (2025-09-05) | 05 सित॰ 2025 | 89.50% | EM | हाँ | स्रोत | |
| Gemini 2.5 Pro Preview (2025-06-05) | 05 जून 2025 | 89.20% | - | हाँ | स्रोत | |
| Qwen 3 VL 235B A22B Instruct | - | 88.80% | - | हाँ | - | |
| GPT 4o (2024-05-13) | 13 मई 2024 | 88.70% | - | हाँ | स्रोत | |
| Qwen 3 VL 32B Thinking | - | 88.70% | - | हाँ | - | |
| Gemini 2.5 Pro Preview (2025-05-06) | 06 मई 2025 | 88.60% | Lite | हाँ | स्रोत | |
| DeepSeek OCR | 20 अक्टू॰ 2025 | 88.50% | inferred family alias from deepseek-v3 (score=0.3000; benches=20) | हाँ | स्रोत | |
| DeepSeek V2 (2024-06-28) | 28 जून 2024 | 88.50% | inferred family alias from deepseek-v3 (score=0.4159; benches=20) | हाँ | स्रोत | |
| DeepSeek V4 | - | 88.50% | inferred high-confidence family alias from deepseek-v3 (score=0.5818; benches=20) | हाँ | स्रोत | |
| Gemini 2.0 Flash | 05 फ़र॰ 2025 | 88.40% | Lite | हाँ | स्रोत | |
| Gemini 2.5 Flash Preview (2025-04-17) | 17 अप्रैल 2025 | 88.40% | Lite | हाँ | स्रोत | |
| Gemini 2.5 Flash Preview (2025-05-20) | 20 मई 2025 | 88.40% | Lite | हाँ | स्रोत | |
| Qwen 3 235B A22B | - | 87.81% | - | हाँ | स्रोत | |
| Kimi K2 (2025-07-11) | 11 जुल॰ 2025 | 87.80% | EM | हाँ | स्रोत | |
| Qwen 3 VL 30B A3B Thinking | - | 87.60% | - | हाँ | - | |
| Grok 2 | 13 अग॰ 2024 | 87.50% | - | हाँ | स्रोत | |
| Kimi K1.5 | 20 जन॰ 2025 | 87.40% | - | हाँ | स्रोत | |
| o3 mini | 30 जन॰ 2025 | 86.90% | - | हाँ | स्रोत | |
| GPT 4 Turbo Preview (1106) | 06 नव॰ 2023 | 86.50% | inferred version-family alias from gpt-4-turbo-2024-04-09 | हाँ | स्रोत |
