74.3%11.3 MMLU-ProについてMMLU-Proについて詳しく
Q顧客対応の仕事をルールどおりに処理できる?TAU2·下位21%64位
63.7% TAU2についてTAU2について詳しく
31.3%52.5%28.3%44.4%37.9% Long Context ReasoningについてLong Context Reasoningについて詳しく
17.8%82.2%56.7 Vectara Hallucination RateについてVectara Hallucination Rateについて詳しく
14.4%19.539.9%29.6% TerminalBench HardについてTerminalBench Hardについて詳しく
36.5%77.5% IFBenchについてIFBenchについて詳しく
5.1%63.7%34.334.3%56.0% Humanity's Last ExamについてHumanity's Last Examについて詳しく
81.0%60.3%73.0%47.7%62.0%74.9%67.0%53.0%23.3%4.0%9.0%74.0%84.0%74.0%46.0%24.0%88.0%70.0% HAE-RAE Bench v1についてHAE-RAE Bench v1について詳しく
19.0%推論強度: High12.3% 強度別None 10.0%High 19.0%
BullshitBench v2についてBullshitBench v2について詳しく