MT-Bench
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: numericalCommunication
दर्ज परिणाम
17
औसत स्कोर
2.12
स्कोर सीमा
0.09 - 8.61
अग्रणी मॉडल
8.61 - Granite 4.1 30B
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 |
|---|---|---|---|---|---|---|
| Granite 4.1 30B | 29 अप्रैल 2026 | 8.61 | Avg | हाँ | स्रोत | |
| Granite 4.1 8B | 29 अप्रैल 2026 | 8.61 | Avg | हाँ | स्रोत | |
| Granite 4.1 3B | 29 अप्रैल 2026 | 7.57 | Avg | हाँ | स्रोत | |
| Qwen 72B | - | 0.94 | inferred family alias from qwen-2.5-72b-instruct (score=0.3060; benches=14) | हाँ | स्रोत | |
| Llama 3.3 Nemotron Super 49B v1 | 18 मार्च 2025 | 0.92 | - | हाँ | स्रोत | |
| Llama 3.3 Nemotron Super 49B V1.5 | - | 0.92 | inferred version-family alias from llama-3.3-nemotron-super-49b-v1 | हाँ | स्रोत | |
| DeepSeek V2.5 (2024-09-05) | 05 सित॰ 2024 | 0.90 | inferred alias from deepseek-v2.5 | हाँ | स्रोत | |
| DeepSeek V2.5 (2024-12-10) | 10 दिस॰ 2024 | 0.90 | inferred alias from deepseek-v2.5 | हाँ | स्रोत | |
| Qwen 7B | - | 0.88 | inferred family alias from qwen-2.5-7b-instruct (score=0.3083; benches=14) | हाँ | स्रोत | |
| Mistral Large 2.1 | 18 नव॰ 2024 | 0.86 | inferred version-family alias from mistral-large-2-2407 | हाँ | स्रोत | |
| Mistral OCR 2 | 22 मई 2025 | 0.86 | inferred family alias from mistral-large-2-2407 (score=0.3100; benches=5) | हाँ | स्रोत | |
| Qwen 2 Audio 7B | - | 0.84 | inferred modality/version alias from qwen2-7b-instruct | हाँ | स्रोत | |
| Qwen 2 Math 7B | - | 0.84 | inferred high-confidence family alias from qwen2-7b-instruct (score=0.4706; benches=14) | हाँ | स्रोत | |
| Llama 3.1 Nemotron Nano 4B V1.1 | - | 0.81 | inferred high-confidence family alias from llama-3.1-nemotron-nano-8b-v1 (score=0.5523; benches=7) | हाँ | स्रोत | |
| Llama 3.1 Nemotron Nano 8B V1 | 18 मार्च 2025 | 0.81 | - | हाँ | स्रोत | |
| Pixtral 12B | 17 सित॰ 2024 | 0.77 | inferred version-family alias from pixtral-12b-2409 | हाँ | स्रोत | |
| Llama 3.1 Nemotron 70B Instruct | 01 अक्टू॰ 2024 | 0.09 | - | हाँ | स्रोत |
