Vending Bench 2
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: numerical
दर्ज परिणाम
15
औसत स्कोर
5026
स्कोर सीमा
351 - 16484
अग्रणी मॉडल
16484 - Gemini 4 Carbon
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 4 Carbon | 28 अक्टू॰ 2026 | 16,484 | Google-reported launch evaluation; Final bank balance (USD); source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/images/gemini_4_carbon__evals-table.original.png; methodology: deepmind.google/models/evals-methodology/gemini-4-carbon | हाँ | स्रोत | |
| Claude Opus 4.6 | 05 फ़र॰ 2026 | 8,018 | Final balance | हाँ | स्रोत | |
| Claude Sonnet 4.6 | 17 फ़र॰ 2026 | 7,204 | Max effort final balance | हाँ | स्रोत | |
| GLM 5.1 | 07 अप्रैल 2026 | 5,634 | - | हाँ | स्रोत | |
| Gemini 3 Pro Image Preview (Nano Banana Pro) | 20 नव॰ 2025 | 5,478 | inferred modality/version alias from gemini-3-pro-preview | हाँ | स्रोत | |
| Gemini 3 Pro Preview | 18 नव॰ 2025 | 5,478 | - | हाँ | स्रोत | |
| Claude Opus 4.5 | 24 नव॰ 2025 | 4,967 | 8k Thinking | नहीं | स्रोत | |
| Claude Sonnet 4.5 | 29 सित॰ 2025 | 3,839 | - | नहीं | स्रोत | |
| Gemini 3 Flash Preview | 17 दिस॰ 2025 | 3,635 | Higher is better, value in dollars | हाँ | स्रोत | |
| Grok 4 | 10 जुल॰ 2025 | 1,999 | - | नहीं | स्रोत | |
| GPT 5.1 | 12 नव॰ 2025 | 1,473 | - | नहीं | स्रोत | |
| Gemini 2.5 Pro Preview (2025-06-05) | 05 जून 2025 | 574 | - | नहीं | स्रोत | |
| Grok 4.1 Non Thinking | 17 नव॰ 2025 | 351 | - | नहीं | स्रोत |
