Hvad bygger scoren på?
Råtal, relativ placering og dokumentation.
ARC-AGI-1
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · ARC Prize verified leaderboard · kildens dato 2026-09-22
ARC-AGI-2
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · ARC Prize verified leaderboard · kildens dato 2026-09-22
BullshitBench v2
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · BullshitBench v2 · kildens dato 2026-09-30
CritPt
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis model leaderboard · kildens dato 2026-09-10
GPQA Diamond
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis model leaderboard · kildens dato 2026-09-10
Humanity's Last Exam
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis model leaderboard · kildens dato 2026-09-10
IFBench
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis model leaderboard · kildens dato 2026-08-19
LiveCodeBench
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · Vals.ai LiveCodeBench · kildens dato 2026-08-04
MathArena
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · MathArena Models · kildens dato 2026-09-30
MMLU-Pro
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · TIGER-Lab MMLU-Pro leaderboard (missing rows only) · kildens dato 2026-09-22
SciCode
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Via AI IQ · Artificial Analysis model leaderboard · kildens dato 2026-09-10
GPQA
Kilde og testnoter ↗
Uafhængig verificering ikke oplyst. Hentet 1. oktober 2026 kl. 18.30.
Model og testopsætning
Reasoning-niveauer tæller ikke som forskellige modeller.
Kilderne oplyser ikke separate reasoning-indstillinger. Se testnoterne ved hvert resultat.
Vores nyheder
Fra AiNews.dk’s arkiv om deepseek-r1.
Der er endnu ingen artikler om denne model i vores arkiv.
Hvad betyder scoren?
Scoren er gennemsnittet af modellens percentilplaceringer i dokumenterede benchmarks: 100 er øverst, 50 er midten. Resultater sammenlignes inden for samme benchmark, før gennemsnittet beregnes. Mindst seks benchmarks med mindst fem sammenligningsmodeller kræves for rangering. Selvindberettede modelkort indgår som dokumentation, men ikke i rangeringen. Manglende tal estimeres ikke. Forskellig dækning og testopsætning giver fortsat usikkerhed.
Scoren er en relativ placering, ikke procent rigtige svar. 90 betyder en høj gennemsnitlig placering blandt de målte modeller. Benchmarkdækning, reasoning-niveau og brug af værktøjer kan variere. De faktiske resultater og opsætninger står på profilen.
Vi fylder aldrig manglende målinger ud for at nå 100 modeller.
- AA Long Context Reasoning v1.1
- Agents' Last Exam
- ARC-AGI-1
- ARC-AGI-2
- ARC-AGI-3
- BrowseComp
- BullshitBench v2
- CritPt
- FACTS Grounding
- FrontierMath Tier 1-3
- FrontierMath Tier 4
- GPQA Diamond
- Humanity's Last Exam
- IFBench
- IOI V2
- LiveCodeBench
- MathArena
- MCP Atlas
- MMLU-Pro
- MMMU-Pro
- OSWorld-Verified
- ProgramBench
- ProofBench 1.1
- SciCode
- SimpleQA Verified
- SWE-rebench
- Terminal-Bench 4.0
- GSM8K
- GPQA
- Humanity’s Last Exam
- MMLU-Pro
- SWE-bench Verified
- SWE-bench Pro
- AIME 2026
- HMMT februar 2026
- Terminal-Bench 2.0