মূল বিষয়বস্তুতে যান
kitlocal.dev

LLM বেঞ্চমার্ক ভিউয়ার

লোকালি চলে

১০০% আপনার ব্রাউজারে প্রসেস হয়। ইনপুট ও আউটপুট কখনো আপনার ডিভাইস ছেড়ে যায় না।

LLM-এর পারফরম্যান্স বেঞ্চমার্ক (MMLU, HumanEval ইত্যাদি) দেখুন ও তুলনা করুন।

মডেল
GPT-4o88.790.295.896.795.3
Claude 3.5 Sonnet88.79296.496.795
Llama 3.1 405B88.68996.896.996
Claude 3 Opus86.884.99596.495.4
Gemini 1.5 Pro85.984.191.794.492.5
Mistral Large848191.29489.5
Llama 3.1 70B83.680.595.19392.2
GPT-4o mini8287.291.593.292
Claude 3 Haiku75.275.988.989.285.9

ভিজ্যুয়াল তুলনা: MMLU

GPT-4o
88.7
Claude 3.5 Sonnet
88.7
Llama 3.1 405B
88.6
Claude 3 Opus
86.8
Gemini 1.5 Pro
85.9
Mistral Large
84
Llama 3.1 70B
83.6
GPT-4o mini
82
Claude 3 Haiku
75.2

মডেল প্রোভাইডারদের রিপোর্ট ও স্বাধীন মূল্যায়ন থেকে প্রাপ্ত বেঞ্চমার্ক। সাজাতে কলাম হেডারে ক্লিক করুন।