Benchmarks
MMLU-ProNão avaliado
GPQA Diamond
84.5%
HLE
16.1%
LiveCodeBenchNão avaliado
SciCode
38.2%
TerminalBench HardNão avaliado
MATH-500Não avaliado
AIMENão avaliado
AIME 2025Não avaliado
IFBenchNão avaliado
Long Context Recall
58.7%
Tau2Não avaliado
Média do MercadoMelhor Score