Benchmarks | AI Infrastructure Database

Seçenekler

VERİ VE API

Sitenin önbelleğe alınmış verilerine ücretsiz salt okunur JSON erişimi.

Karanlık Mod

Rehberli Görünüm
Çipler, veri merkezleri ve model terimleri size yabancı mı? Gezinirken temel kavramları sade bir dille açıklıyoruz. Aynı veriler, yerleşik yardım sistemiyle birlikte.

Uzman Görünümü
Teknik altyapıyı zaten biliyorsunuz. Sadece veriler: temiz, hızlı ve özlü; fazladan açıklama yok. Bu varsayılan görünümdür.

Arayüz dili

‹ Geri

Saha notları

Kıyaslamalar bu sektörün puan tutma yöntemidir ve yaşam döngüleri hep aynıdır: tanıtılır, aşılır, emekliye ayrılır. Her kayıttaki asıl ilginç soru mevcut lider değil — testin imkânsızdan doygunluğa ne kadar hızlı geçtiği.

Bu üçle başlayın

ML MLPerf Yapay zeka donanımındaki tek denetlenmiş, elmalarla elmaları karşılaştıran rakamlar. SB SWE-bench Verified Gerçek GitHub sorunları — kodlama ajanı çağının ölçüt çıtası. AA ARC-AGI Ezber yapmaya karşı dayanıklı tasarlandı; yine de kırıldı. Sonra daha sağlam yeniden inşa edildi.

Hardware & systems benchmarks

2

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

10

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.