Xem Benchmark mô hình LLM
Xem và so sánh điểm chuẩn hiệu năng LLM (MMLU, HumanEval, v.v.)
| Mô hình | |||||
|---|---|---|---|---|---|
| GPT-4o | 88.7 | 90.2 | 95.8 | 96.7 | 95.3 |
| Claude 3.5 Sonnet | 88.7 | 92 | 96.4 | 96.7 | 95 |
| Llama 3.1 405B | 88.6 | 89 | 96.8 | 96.9 | 96 |
| Claude 3 Opus | 86.8 | 84.9 | 95 | 96.4 | 95.4 |
| Gemini 1.5 Pro | 85.9 | 84.1 | 91.7 | 94.4 | 92.5 |
| Mistral Large | 84 | 81 | 91.2 | 94 | 89.5 |
| Llama 3.1 70B | 83.6 | 80.5 | 95.1 | 93 | 92.2 |
| GPT-4o mini | 82 | 87.2 | 91.5 | 93.2 | 92 |
| Claude 3 Haiku | 75.2 | 75.9 | 88.9 | 89.2 | 85.9 |
So sánh trực quan: 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
Benchmark từ báo cáo nhà cung cấp mô hình và đánh giá độc lập. Nhấn vào tiêu đề cột để sắp xếp.