Alle bekannten Varianten dieser Familie. Ein direkter Artikel-Link springt exakt zur genannten Variante.
Technische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
Technische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
| Benchmark | Wert | Beleg |
|---|---|---|
| HumanEvalpass@1 (greedy) | 78.7 | Quelle ↗abgerufen 2026-10-19 |
| MMLU-Pro (1accuracy | 80 | Quelle ↗abgerufen 2026-10-19 |
| LiveCodeBench v6 (2025-02 to 2025-05)pass@1 (best of 2 runs) | 67.9 | Quelle ↗abgerufen 2026-10-19 |
| MATH-500accuracy | 96.8 | Quelle ↗abgerufen 2026-10-19 |
| MMLU-Pro (1accuracy | 80 | Quelle ↗abgerufen 2026-10-19 |
| Benchmark | Wert | Beleg |
|---|---|---|
| AIME 2025avg@4 (best of 2 runs) | 80 | Quelle ↗abgerufen 2026-10-19 |
| MATH-500accuracy | 96.8 | Quelle ↗abgerufen 2026-10-19 |
| LiveCodeBench v6 (2025-02 to 2025-05)pass@1 (best of 2 runs) | 67.9 | Quelle ↗abgerufen 2026-10-19 |
| IFEval (prompt strict)accuracy | 87.2 | Quelle ↗abgerufen 2026-10-19 |
| SWE-bench Verified (50-task subsetresolved | 54 | Quelle ↗abgerufen 2026-10-19 |
| HumanEvalpass@1 (greedy) | 78.7 | Quelle ↗abgerufen 2026-10-19 |
| τ²-bench (airline, retail, telecom)pass rate | 76.7 | Quelle ↗abgerufen 2026-10-19 |
| GPQA Diamond (6K thinking budgetaccuracy (best of 4 runs) | 80.3 | Quelle ↗abgerufen 2026-10-19 |
| GPQA Diamond (6K thinking budgetaccuracy (best of 4 runs) | 80.3 | Quelle ↗abgerufen 2026-10-19 |
| τ²-bench (airline, retail, telecom)pass rate | 76.7 | Quelle ↗abgerufen 2026-10-19 |
| AIME 2025avg@4 (best of 2 runs) | 80 | Quelle ↗abgerufen 2026-10-19 |
| SWE-bench Verified (50-task subsetresolved | 54 | Quelle ↗abgerufen 2026-10-19 |
| IFEval (prompt strict)accuracy | 87.2 | Quelle ↗abgerufen 2026-10-19 |
Technische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
| Benchmark | Wert | Beleg |
|---|---|---|
| Multi-turn tool use — τ²-bench (airline, retail, telecom)Score | 74.2 | Quelle ↗Model Card · abgerufen 2026-10-18 |
| Scientific reasoning — GPQA DiamondScore | 81.7 | Quelle ↗Model Card · abgerufen 2026-10-18 |
| Agentic coding — SWE-bench Verified, 50 tasks (Codeway)Score | 44.0 | Quelle ↗Model Card · abgerufen 2026-10-18 |
| Knowledge — MMLU-ProScore | 79.9 | Quelle ↗Model Card · abgerufen 2026-10-18 |
| Knowing when not to call — BFCL v4 irrelevanceScore | 80.8 | Quelle ↗Model Card · abgerufen 2026-10-18 |
| Benchmark | Wert | Beleg |
|---|---|---|
| Instruction following — IFEval (prompt strict)Score | 87.6 | Quelle ↗Model Card · abgerufen 2026-10-18 |
| Instruction following — IFBench (prompt strict)Score | 66.3 | Quelle ↗Model Card · abgerufen 2026-10-18 |
| Parallel function calls — BFCL v4 parallelScore | 92.0 | Quelle ↗Model Card · abgerufen 2026-10-18 |
Technische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
Technische Leistungsdaten sind für diese Variante noch nicht vollständig bestätigt.
Alle verbundenen Artikel, neueste zuerst.
Noch keine verbundenen Artikel.