Benchmark · agentic

GDPval-AA (Elo)

14 hasil 10 model

Artificial Analysis's pairwise-graded Elo ranking on real-world economically valuable knowledge work; four-digit scores (~640-1950 Elo), so never file a percentage here. Not Chatbot Arena Elo (lmsys-arena) and not OpenAI's percentage GDPval.

Gemini 3.6 Flash Gemini 3.5 Flash-Lite DeepSeek-V4-Flash-0731 Grok 4.6 Gemini 3.7 Flash GLM-5.3 GLM-5.3-Flash Claude Fable 5.1 Muse Spark 1.3 K2-Horizon-375B-A23B

Linimasa

Tanggal	Model	Skor	Sumber
2026-09-07	K2-Horizon-375B-A23B	1441.0Elo	IFM merilis K2 Horizon: enam model Apache 2.0 dari 0,9B hingga 375B
2026-09-04	Muse Spark 1.3	1754.0Elo	Meta merilis Muse Spark 1.3 dengan lebih sedikit panggilan alat dan token
2026-09-01	Claude Fable 5.1	1853.0Elo	Anthropic merilis Claude Fable 5.1 dengan skor 52,6% di Terminal-Bench-Science dan bacaan cache yang lebih murah
2026-08-27	GLM-5.3-Flash	1770.0Elo	NVIDIA membeli HuggingFace seharga $13 miliar; Z.ai meluncurkan GLM-5.3-Flash
2026-08-27	GLM-5.3-Flash	1770.0Elo	Z.ai meluncurkan GLM-5.3-Flash, model multimodal 320B parameter dengan konteks 1M
2026-08-21	Grok 4.6	1577.0Elo	SpaceXAI memperkenalkan Grok 4.6 dengan data Cursor untuk pekerjaan agentic
2026-08-17	GLM-5.3	1769.0Elo	Z.ai meluncurkan model coding GLM-5.3; Cursor bergabung dengan SpaceXAI
2026-08-14	Gemini 3.7 Flash	1525.0Elo	Google merilis Gemini 3.7 Flash dengan peningkatan algoritmik dan harga lebih rendah
2026-08-13	Grok 4.6	1753.0Elo	SpaceXAI merilis Grok 4.6 dengan konteks 500K dan penalaran agentic yang lebih baik
2026-08-13	Grok 4.6	1753.0Elo	xAI merilis Grok 4.6, Alibaba melepas Qwen3.8-Max, DeepSeek V4 Pro GA
2026-08-13	Grok 4.6	1753.0Elo	xAI merilis Grok 4.6; Alibaba membuka Qwen3.8-MoE; DeepSeek V4 Pro GA
2026-08-07	DeepSeek-V4-Flash-0731	1558.0Elo	DeepSeek merilis V4-Flash-0731, melampaui V4-Pro dengan biaya lebih rendah
2026-07-27	Gemini 3.6 Flash	1421.0Elo	Google merilis Gemini 3.6 Flash, 3.5 Flash-Lite, dan 3.5 Flash Cyber
2026-07-27	Gemini 3.5 Flash-Lite	1140.0Elo	Google merilis Gemini 3.6 Flash, 3.5 Flash-Lite, dan 3.5 Flash Cyber