ベンチマーク · agentic

GDPval-AA (Elo)

14 結果 10 モデル

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

タイムライン

日付	モデル	スコア	ソース
2026-09-07	K2-Horizon-375B-A23B	1441.0Elo	IFMがK2 Horizonをリリース：0.9Bから375Bまでの6つのApache 2.0モデル
2026-09-04	Muse Spark 1.3	1754.0Elo	Meta、ツール呼び出しとトークンを削減した Muse Spark 1.3 をリリース
2026-09-01	Claude Fable 5.1	1853.0Elo	AnthropicがClaude Fable 5.1をリリース、Terminal-Bench-Scienceで52.6%のスコアと低コストなキャッシュ読み込みを実現
2026-08-27	GLM-5.3-Flash	1770.0Elo	NVIDIAがHuggingFaceを130億ドルで買収；Z.aiがGLM-5.3-Flashをリリース
2026-08-27	GLM-5.3-Flash	1770.0Elo	Z.aiが1Mコンテキストを備えた320BパラメータのマルチモーダルモデルGLM-5.3-Flashを発表
2026-08-21	Grok 4.6	1577.0Elo	SpaceXAIがエージェントワーク向けにCursorデータを搭載したGrok 4.6を発表
2026-08-17	GLM-5.3	1769.0Elo	Z.aiがGLM-5.3コーディングモデルをリリース；CursorがSpaceXAIに参加
2026-08-14	Gemini 3.7 Flash	1525.0Elo	Google、アルゴリズムの改善と低価格化を図ったGemini 3.7 Flashをリリース
2026-08-13	Grok 4.6	1753.0Elo	SpaceXAIが500Kのコンテキストと改善されたエージェント型推論を搭載したGrok 4.6をリリース
2026-08-13	Grok 4.6	1753.0Elo	xAIがGrok 4.6をリリース、AlibabaがQwen3.8-Maxを公開、DeepSeek V4 ProがGAへ
2026-08-13	Grok 4.6	1753.0Elo	xAIがGrok 4.6をリリース；AlibabaがQwen3.8-MoEを公開；DeepSeek V4 Pro GA
2026-08-07	DeepSeek-V4-Flash-0731	1558.0Elo	DeepSeekがV4-Flash-0731をリリース、低コストでV4-Proを上回る性能
2026-07-27	Gemini 3.6 Flash	1421.0Elo	Google、Gemini 3.6 Flash、3.5 Flash-Lite、および3.5 Flash Cyberをリリース
2026-07-27	Gemini 3.5 Flash-Lite	1140.0Elo	Google、Gemini 3.6 Flash、3.5 Flash-Lite、および3.5 Flash Cyberをリリース