Chuyển tới nội dung chính
kitlocal.dev

Xem Benchmark mô hình LLM

Chạy cục bộ

Xử lý 100% ngay trong trình duyệt. Dữ liệu đầu vào và kết quả không rời khỏi thiết bị.

Xem và so sánh điểm chuẩn hiệu năng LLM (MMLU, HumanEval, v.v.)

Mô hình
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

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.