لایوبنچ با ساخت تسک و سوالات آپدیت سعی میکنه دقیق‌ترین بنچمارک رو از مدل‌ها بگیره، تا اینجا برنده هر بخش رو (بر اساس معیارهای لایوبنچ) مینویسم.
مجموع: o1-preview
کدنویسی: claude-3-5-sonnet
ریاضی: gemini-exp-1206 (جدید)
درک زبان: o1-preview
استدلال: o1-preview و o1-mini
تحلیل داده: o1-preview و gemini-exp-1206
https://livebench.ai/
@geekalerts