CruxEval-O

Name: CruxEval-O
Keywords: CruxEval-O, AIベンチマーク, モデル評価, AIベンチマークランキング, AIモデルの性能

AIベンチマーク結果とモデルの性能

種類: numericalReasoning

24.28

0.51 - 55.75

55.75 - Granite 4.1 30B

スコアの推移

日付ごとの個別ベンチマークスコアです。

モデル結果

組織	モデル	報告日	最高スコア	情報	自己申告	出典
IBM	Granite 4.1 30B	2026年4月29日	55.75	pass@1	はい	出典
IBM	Granite 4.1 8B	2026年4月29日	47.63	pass@1	はい	出典
IBM	Granite 4.1 3B	2026年4月29日	40.75	pass@1	はい	出典
Mistral	Codestral (2025-07-30)	2025年7月30日	0.51	inferred version-family alias from codestral-22b	はい	出典
Mistral	Codestral (2024-05-29)	2024年5月29日	0.51	inferred modality/version alias from codestral-22b	はい	出典
Mistral	Codestral (2025-01-13)	2025年1月13日	0.51	inferred modality/version alias from codestral-22b	はい	出典

公開データの正確性にご協力ください