Arena offentliggjorde et indeks bygget på 72.509 virkelige agentsessioner samme dag, som selskabet meldte om en runde på 200 millioner dollar. OpenAI tager de fem første pladser.
Model
Grok 4.7
Grok 4.7 er en AI-model udviklet af SpaceXAI. Denne side samler det, der er offentligt kendt om modellen, og hvert benchmarkresultat Aivio News har registreret for den, med kilde og dato for hvert enkelt tal.
Benchmarks
Alle artiklerDer er endnu ikke registreret verificerede resultater.
Mere om Grok 4.7
Xiaomis MiMo-V2.6-Pro tager førstepladsen blandt åbne vægte i et uafhængigt indeks, under MIT-licens
Telefonproducenten udgav en ekspertblandingsmodel med en billion parametre, dens vægte, dens kode til forstærkningslæring og et løbende regnskab over, hvad træningen kostede.
Virksomhedens egen tabel viser fremgang på kode-, ingeniør- og juratests. På Terminal-Bench 4.0 angives 38 procent, hvor en uafhængig evaluator målte 26.