Resultados verificados relacionados con esta tarea o capacidad evaluada.
Los resultados corresponden a evaluaciones especificas. Diferentes benchmarks, versiones o metodologias pueden no ser directamente comparables.
Version: full-5000 · Metrica: accuracy · Unidad: %
Resultado disponible; no hay evolución demostrada.
| Fecha de evaluacion/publicacion | Resultado | Fecha de evaluacion | Fecha de publicacion | Fuente |
|---|---|---|---|---|
| 13/05/2024 | 76,6 % | No confirmado | 13/05/2024 | OpenAI (Hello GPT-4o) Ver fuente |
Version: test-500 · Metrica: accuracy · Unidad: %
Resultado disponible; no hay evolución demostrada.
| Fecha de evaluacion/publicacion | Resultado | Fecha de evaluacion | Fecha de publicacion | Fuente |
|---|---|---|---|---|
| 22/01/2025 | 97,3 % | No confirmado | 22/01/2025 | DeepSeek-R1 paper Ver fuente |
Version: 2024 · Metrica: accuracy · Unidad: %
Resultado disponible; no hay evolución demostrada.
| Fecha de evaluacion/publicacion | Resultado | Fecha de evaluacion | Fecha de publicacion | Fuente |
|---|---|---|---|---|
| 22/01/2025 | 79,8 % | No confirmado | 22/01/2025 | DeepSeek-R1 paper Ver fuente |
Version: 2025 · Metrica: accuracy · Unidad: %
Resultado disponible; no hay evolución demostrada.
| Fecha de evaluacion/publicacion | Resultado | Fecha de evaluacion | Fecha de publicacion | Fuente |
|---|---|---|---|---|
| 07/08/2025 | 94,6 % | No confirmado | 07/08/2025 | OpenAI (anuncio GPT-5) Ver fuente |
La ausencia de puntos comparables no significa ausencia de capacidad. Benchmarks, versiones, metricas, unidades, harnesses y condiciones diferentes deben mantenerse separados. Alias, snapshots, modelo logico y familia tampoco se sustituyen entre si.