Alibaba
Alle gespeicherten Werte, nach Themengebiet gruppiert. Das Leaderboard zeigt je Ansicht nur einen davon.
| Benchmark | Wert | Gemessen | Quelle |
|---|---|---|---|
| AA Intelligence Index Aggregat von Artificial Analysis aus 7+ Benchmarks (MMLU-Pro, GPQA, HLE, LiveCodeBench, AIME, TerminalBench-Hard, Tau2). | 40.3 | 12.09.2026 | Beleg |
| Benchmark | Wert | Gemessen | Quelle |
|---|---|---|---|
| GPQA Diamond 198 Graduate-level Bio/Physik/Chemie-Fragen, leak-protected. | 92.7 | 12.09.2026 | Beleg |
| LCR Long-Context-Reasoning-Benchmark (langer Kontext + Logik). | 78.3 | 12.09.2026 | Beleg |
| Humanity's Last Exam 2158 Multi-Domain-Fragen, eine der schwersten Suiten. | 43.0 | 12.09.2026 | Beleg |
| Benchmark | Wert | Gemessen | Quelle |
|---|---|---|---|
| AA Coding Index Aggregat aus LiveCodeBench, Tau2 und SciCode. Coding-spezifisches Pendant zum Intelligence-Index. | 71.8 | 12.09.2026 | Beleg |
| SciCode Wissenschafts-Codierungsaufgaben (Physik/Chemie/Bio). | 53.2 | 12.09.2026 | Beleg |
| Benchmark | Wert | Gemessen | Quelle |
|---|---|---|---|
| Terminal-Bench 2.1 Terminal-basierte Agent-Aufgaben, neuere Fassung neben 2.0. | 81.3 | 12.09.2026 | Beleg |
| TAU Banking Tool-/Agent-Use im Banking-Szenario. | 51.3 | 12.09.2026 | Beleg |
Hallo! Ich bin dein KI-Tutor.
Melde dich an, um mit mir zu chatten — ich erinnere mich dann auch an eure letzten Gespräche.
