Benchmarks | AI Infrastructure Database

Notas de campo

Benchmarks são a forma como esta indústria marca pontos, e seu ciclo de vida é sempre o mesmo: introduzido, conquistado, aposentado. A questão interessante em cada registro não é o líder atual — é a rapidez com que o teste passou de impossível a saturado.

Comece por estes três

ML MLPerf Os únicos números auditados e comparáveis entre si no hardware de IA. SB SWE-bench Verified Issues reais do GitHub — a régua da era dos agentes de programação. AA ARC-AGI Construído para resistir à memorização; falhou mesmo assim. Depois reconstruído com mais rigor.

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.