Home › Benchmarks › HumanEval & GSM8K
HumanEval & GSM8K
Benchmark
Vermogen
The retired classics of coding and grade-school math.
U bekijkt een benchmark-record: een test die de industrie gebruikt om chips of modellen te meten — en wat die test daadwerkelijk zegt.
HumanEval (164 Python functions) and GSM8K (grade-school word problems) measured the 2021–24 climb from barely-working to near-perfect, then saturated — their history is the cleanest record of how fast base capability moved. Successors: LiveCodeBench, SWE-bench, AIME.
Hoe dit aansluit op de rest van de stack
De koppelingen van dit record in één oogopslag — klik op een groep om er naartoe te springen.
Gerelateerd
Bronnen
Record beoordeeld per 2026-01-15 — bekijk Methodologie.