Benchmark · agentic

GDPval-AA (Elo)

14 resultados 10 modelos

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

Linha do tempo

Data	Modelo	Pontuação	Fonte
2026-09-07	K2-Horizon-375B-A23B	1441.0Elo	IFM lança K2 Horizon: seis modelos Apache 2.0 de 0,9B a 375B
2026-09-04	Muse Spark 1.3	1754.0Elo	Meta lança Muse Spark 1.3 com menos chamadas de ferramentas e tokens
2026-09-01	Claude Fable 5.1	1853.0Elo	Anthropic lança Claude Fable 5.1 com 52,6% no Terminal-Bench-Science e leituras de cache mais baratas
2026-08-27	GLM-5.3-Flash	1770.0Elo	NVIDIA compra HuggingFace por US$ 13B; Z.ai lança GLM-5.3-Flash
2026-08-27	GLM-5.3-Flash	1770.0Elo	Z.ai lança o GLM-5.3-Flash, um modelo multimodal de 320B parâmetros com contexto de 1M
2026-08-21	Grok 4.6	1577.0Elo	SpaceXAI apresenta Grok 4.6 com dados do Cursor para trabalho agêntico
2026-08-17	GLM-5.3	1769.0Elo	Z.ai lança modelo de codificação GLM-5.3; Cursor se junta à SpaceXAI
2026-08-14	Gemini 3.7 Flash	1525.0Elo	Google lança Gemini 3.7 Flash com melhorias algorítmicas e preços mais baixos
2026-08-13	Grok 4.6	1753.0Elo	SpaceXAI lança Grok 4.6 com contexto de 500K e raciocínio agêntico aprimorado
2026-08-13	Grok 4.6	1753.0Elo	xAI lança Grok 4.6, Alibaba lança Qwen3.8-Max, DeepSeek V4 Pro GA
2026-08-13	Grok 4.6	1753.0Elo	xAI lança Grok 4.6; Alibaba abre Qwen3.8-MoE; DeepSeek V4 Pro GA
2026-08-07	DeepSeek-V4-Flash-0731	1558.0Elo	DeepSeek lança V4-Flash-0731, superando o V4-Pro a um custo menor
2026-07-27	Gemini 3.6 Flash	1421.0Elo	Google lança Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber
2026-07-27	Gemini 3.5 Flash-Lite	1140.0Elo	Google lança Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber