Cómo puntuamos

Nuestro sistema de clasificación combina múltiples benchmarks en una sola puntuación comparable.

Composite Score

The composite score is a weighted average of all tracked benchmark results for each model.

Benchmark Categories

• Reasoning (35%) — MMLU, GPQA, AIME, MATH
• Coding (30%) — HumanEval, SWE-Bench, LiveCodeBench
• Chat (20%) — Arena ELO, IFEval
• Multimodal (15%) — MMMU