Thematic Generalisation
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: numerical
दर्ज परिणाम
30
औसत स्कोर
57.23
स्कोर सीमा
20.30 - 80.60
अग्रणी मॉडल
80.60 - Claude Opus 4.6
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 |
|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 19 फ़र॰ 2026 | 79.40 | Top-1 accuracy 91.5%; cases 703 | नहीं | स्रोत | |
| GLM 5.1 | 07 अप्रैल 2026 | 69.80 | Top-1 accuracy 85.9%; cases 703 | नहीं | स्रोत | |
| Kimi K2.5 | 27 जन॰ 2026 | 69.40 | Thinking; Top-1 accuracy 84.8%; cases 703 | नहीं | स्रोत | |
| Claude Opus 4.6 | 05 फ़र॰ 2026 | 68.80 | No reasoning; Top-1 accuracy 84.1%; cases 703 | नहीं | स्रोत | |
| Claude Sonnet 4.6 | 17 फ़र॰ 2026 | 68.50 | No reasoning; Top-1 accuracy 82.5%; cases 703 | नहीं | स्रोत | |
| Qwen 3.5 397B A17B | 16 फ़र॰ 2026 | 65.10 | Top-1 accuracy 82.4%; cases 703 | नहीं | स्रोत | |
| DeepSeek V3.2 | 01 दिस॰ 2025 | 65 | Top-1 accuracy 81.8%; cases 703 | नहीं | स्रोत | |
| Gemini 3.1 Flash Lite Preview | 03 मार्च 2026 | 63.30 | Top-1 accuracy 82.1%; cases 703 | नहीं | स्रोत | |
| GPT 5.4 Mini | 17 मार्च 2026 | 61.70 | xHigh reasoning; Top-1 accuracy 80.8%; cases 703 | नहीं | स्रोत | |
| Qwen 3.6 Plus | 01 अप्रैल 2026 | 59.50 | Top-1 accuracy 81.5%; cases 703 | नहीं | स्रोत | |
| Seed 2.0 Pro | 14 फ़र॰ 2026 | 57.10 | Top-1 accuracy 77.0%; cases 703 | नहीं | स्रोत | |
| Gemma 4 31B | 02 अप्रैल 2026 | 53 | Reasoning; Top-1 accuracy 76.1%; cases 703 | नहीं | स्रोत | |
| Claude Opus 4.7 | 16 अप्रैल 2026 | 52.60 | No reasoning; Top-1 accuracy 71.6%; cases 703 | नहीं | स्रोत | |
| Qwen 3.5 122B A10B | 24 फ़र॰ 2026 | 51.20 | Top-1 accuracy 76.5%; cases 703 | नहीं | स्रोत | |
| MiMo V2 Pro | 18 मार्च 2026 | 45.90 | Top-1 accuracy 68.8%; cases 703 | नहीं | स्रोत | |
| Qwen 3.5 27B | 24 फ़र॰ 2026 | 45.50 | Top-1 accuracy 71.3%; cases 703 | नहीं | स्रोत | |
| Ernie 5.0 | 22 जन॰ 2026 | 41.70 | Top-1 accuracy 65.3%; cases 703 | नहीं | स्रोत | |
| Trinity Large Thinking | 01 अप्रैल 2026 | 41.60 | Top-1 accuracy 66.1%; cases 703 | नहीं | स्रोत | |
| MiniMax M2.7 | 18 मार्च 2026 | 39.30 | Top-1 accuracy 63.4%; cases 703 | नहीं | स्रोत | |
| GPT 5.4 | 05 मार्च 2026 | 27.10 | No reasoning; Top-1 accuracy 44.0%; cases 703 | नहीं | स्रोत | |
| Mistral Large 3.0 | 02 दिस॰ 2025 | 23 | Top-1 accuracy 34.0%; cases 703 | नहीं | स्रोत | |
| Grok 4.20 | 17 फ़र॰ 2026 | 22 | Non-reasoning; Top-1 accuracy 33.4%; cases 703 | नहीं | स्रोत | |
| Mistral Medium 3.1 | 12 अग॰ 2025 | 20.30 | Top-1 accuracy 32.3%; cases 703 | नहीं | स्रोत |
