MMLU-Pro
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
159
औसत स्कोर
71.62%
स्कोर सीमा
16% - 88.50%
अग्रणी मॉडल
88.50% - Qwen 3.6 Plus
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 |
|---|---|---|---|---|---|---|
| Qwen 3.6 Plus | 01 अप्रैल 2026 | 88.50% | - | हाँ | स्रोत | |
| MiniMax M2.1 | 23 दिस॰ 2025 | 88% | - | हाँ | स्रोत | |
| Qwen 3.5 397B A17B | 16 फ़र॰ 2026 | 87.80% | - | हाँ | स्रोत | |
| Seed 2.0 Lite | 14 फ़र॰ 2026 | 87.70% | Seed2 official benchmark table | MMLU-Pro | हाँ | स्रोत | |
| DeepSeek V4 Pro | 24 अप्रैल 2026 | 87.50% | EM; DeepSeek-V4-Pro Max | हाँ | स्रोत | |
| Kimi K2.5 | 27 जन॰ 2026 | 87.10% | - | हाँ | स्रोत | |
| Ernie 5.0 | 22 जन॰ 2026 | 87% | - | हाँ | स्रोत | |
| Ernie 5.0 0110 | - | 87% | inferred version-family alias from ernie-5.0 | हाँ | स्रोत | |
| Ernie 5.0 Preview 1203 | - | 87% | inferred version-family alias from ernie-5.0 | हाँ | स्रोत | |
| Ernie 5.0 Preview 1220 | - | 87% | inferred version-family alias from ernie-5.0 | हाँ | स्रोत | |
| Seed 2.0 Pro | 14 फ़र॰ 2026 | 87% | Seed2 official benchmark table | MMLU-Pro | हाँ | स्रोत | |
| Qwen 3.5 122B A10B | 24 फ़र॰ 2026 | 86.70% | - | हाँ | स्रोत | |
| DeepSeek V4 Flash | 24 अप्रैल 2026 | 86.40% | EM; DeepSeek-V4-Flash High | हाँ | स्रोत | |
| Qwen 3.5 27B | 24 फ़र॰ 2026 | 86.10% | - | हाँ | स्रोत | |
| Qwen 3.5 Flash | 23 फ़र॰ 2026 | 86.10% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | हाँ | स्रोत | |
| Qwen 3.5 35B A3B | 24 फ़र॰ 2026 | 85.30% | - | हाँ | स्रोत | |
| Gemma 4 31B | 02 अप्रैल 2026 | 85.20% | - | हाँ | स्रोत | |
| DeepSeek OCR 2 | - | 85% | inferred family alias from deepseek-v3.2-exp (score=0.3809; benches=14) | हाँ | स्रोत | |
| DeepSeek V3.2 Exp | 29 सित॰ 2025 | 85% | - | हाँ | स्रोत | |
| MiMo V2 Flash | 16 दिस॰ 2025 | 84.90% | - | हाँ | स्रोत | |
| Kimi K2 Thinking | 06 नव॰ 2025 | 84.60% | inferred alias from kimi-k2-thinking-0905 | हाँ | स्रोत | |
| GLM 4.5 | 28 जुल॰ 2025 | 84.60% | - | हाँ | स्रोत | |
| Qwen 3 235B A22B Thinking 2507 | - | 84.40% | - | हाँ | स्रोत | |
| GLM 4.7 | 22 दिस॰ 2025 | 84.30% | - | हाँ | स्रोत | |
| K EXAONE | 31 दिस॰ 2025 | 83.80% | inferred modality/version alias from k-exaone-236b-a23b | हाँ | स्रोत |
