a11y.skipToMainContent
1

Comment

So sánh điểm số trên các mô hình AI hàng đầu — MMLU, HumanEval, GSM8K, và nhiều điểm khác — để tìm mô hình tốt nhất cho trường hợp của bạn.

Benchmark scores from published leaderboards (2025). Higher is better for all metrics.
ModelMMLUHumanEvalGSM8KHellaSwagCost/1M
Click column headers to sort. Scores are approximate and may vary by evaluation method.
Was this tool helpful?
Send output to:
Advertisement

How to use AI Model Benchmark Comparison

  1. Chọn mô hình để so sánh với danh sách.
  2. Xem điểm số qua nhiều loại điểm chuẩn.
  3. Sắp xếp theo bất kỳ điểm chuẩn nào để tìm người mẫu tốt nhất cho nhiệm vụ của bạn.

Tên là gì?

Mô hình AI tuyệt vời tại các nhiệm vụ khác nhau. Công cụ này cho phép bạn so sánh điểm bàn trên GPT-4o, Claude Sonnet, Song Tử Pro, Llama 3, Llamtral, và các mô hình khác về các bài kiểm tra chuẩn hóa như MMLU (sự hiểu biết phổ biến), HumanEval (sự kết hợp), GSM8K (math), và HellaSwag (đang tranh luận). Sử dụng những so sánh này để chọn đúng mô hình cho tải công việc cụ thể của bạn — cho dù đó là mã hóa, toán học, sáng tạo, hoặc kiến thức tổng quát.

Advertisement

FAQ

Những dấu ngang này đo được gì?
MMLU thử nghiệm kiến thức tổng quát trên 57 đối tượng. Hệ thống mã hóa nhân loại. Lý luận toán học GSM8K. HellaSwag đánh giá ý thức thông thường.
Điểm số cao hơn luôn luôn tốt hơn à?
Với hầu hết các điểm chuẩn, thì đúng vậy. Nhưng hiệu suất thế giới thực phụ thuộc vào trường hợp sử dụng cụ thể của bạn, phong cách nhanh chóng, và quy định hiệu quả.

Related tools

Author

OH
Omar Hassan"The Number Cruncher"

Engineer & Unit Conversion Specialist

Omar is a mechanical engineer by training and a unit-conversion enthusiast by passion. He has built calibration systems for aerospace and automotive manufacturers and knows firsthand how a single decimal error can cost millions in rework. His mission is to make every conversion instant, accurate, and accessible to everyone, whether they are a student, tradesperson, or practicing engineer, with no advanced degree required.

Advertisement