Apertus-v1.5-70B

Der er endnu ikke bred nok dokumentation til en placering.

1 af 2 resultater opfylder rangeringens krav. Flere benchmarks giver bredere dokumentation; forskellig dækning og opsætning gør fortsat scoren usikker.

Ændringshistorik vises, når en senere opdatering ændrer tal eller placering.

Hvad bygger scoren på?

Råtal, relativ placering og dokumentation.

GSM8K

Dokumentation · indgår ikke i scoren

Kildens målingsdato er ikke oplyst

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 26. oktober 2026 kl. 18.30.

Swiss AI lm-evaluation-harness 0.4.11.dev0; gsm8k_cot; exact_match/numeric-fallback; thinking disabled; num_fewshot=8; repeats=1; temperature=0.0; max_tokens=2048; n=1319; accuracy on a 0-100 scale; full setup and uncertainty in source

Se det oprindelige resultat ↗

85,0målt · skala 0–100Ikke rangeret

MMLU-Pro

Indgår i scoren · 142 sammenligningsmodeller

Kildens målingsdato er ikke oplyst

Kilde og testnoter ↗

Uafhængig verificering ikke oplyst. Hentet 26. oktober 2026 kl. 18.30.

Swiss AI lm-evaluation-harness 0.4.11.dev0; mmlu_pro; exact_match/ordered-extract; thinking disabled; max_tokens=2048; accuracy on a 0-100 scale; full setup and uncertainty in source

Se det oprindelige resultat ↗

56,4målt · skala 0–100Percentil 49,6

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 Apertus-v1.5-70B.

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.