Benchmarks | AI Infrastructure Database

Note sul campo

I benchmark sono il modo in cui questa industria tiene il punteggio, e il loro ciclo di vita è sempre lo stesso: introdotti, superati, ritirati. La domanda interessante su ogni scheda non è chi guida ora — è quanto in fretta il test è passato dall'impossibile al saturo.

Inizia da questi tre

ML MLPerf Gli unici numeri verificati e comparabili nell'hardware AI. SB SWE-bench Verified Veri issue su GitHub — il metro di misura dell'era degli agenti di coding. AA ARC-AGI Progettato per resistere alla memorizzazione; ha ceduto lo stesso. Poi ricostruito più solido.

Hardware & systems benchmarks

ML MLPerf The industry's referee for AI hardware — training and inference rounds. TO TOP500 The supercomputer league table since 1993 — now measuring the public sector's slice.

Model capability benchmarks

SB SWE-bench Verified Real GitHub issues, real repos — the coding-agent standard. A( AIME (Competition Math) Olympiad-track problems — where reasoning models showed their jump. AA ARC-AGI Chollet's abstraction puzzles — designed to resist everything but intelligence. FR FrontierMath Research-grade mathematics — built unsolvable, already yielding. GD GPQA Diamond Google-proof PhD science questions — the reasoning era's exam. H& HumanEval & GSM8K The retired classics of coding and grade-school math. HL Humanity's Last Exam 2,500 expert questions with a deliberately final name. L( LMArena (Chatbot Arena) Millions of blind human votes — preference as a leaderboard. M& MMLU & MMLU-Pro The default knowledge exam of 2020–24 — now saturated. MT MTEB The embedding leaderboard behind every retrieval stack.