المعايير ولوحات الصدارة

شرح Terminal-Bench 3.0

TB 3.0 مقابل 2.1، والتصنيفات الحالية، وأي المتصدرين قابلون للبيع

آخر تحديث 2026-11-14

شرح لوحة تصنيف Terminal-Bench 2.1

ثلاث لوحات، ثلاثة فائزين: تفسير كامل للفارق بين 83.8 الرسمي و89.5 من AA و85.77 من vals

آخر تحديث 2026-11-14

ترتيب SWE-Bench Pro حتى 2026-10-07: لوحات Scale AI الرسمية لمجموعات البيانات العامة والخاصة، بنصها الحرفي

SWE-Bench Pro على لوحة Scale AI (2026-10-07): يتصدر Muse Spark 1.1* المجموعة العامة عند 61.50، وgpt-5.4 (xHigh)* عند 59.10؛ الخاصة: Muse Spark 1.1* 51.5.

آخر تحديث 2026-11-14

تقييم Ornith-1.5 بنفسك

احكم على النموذج الجديد مقابل عملك الخاص بدلًا من لوحات الصدارة العامة.

آخر تحديث 2026-11-14