Direct
Contribuye a:Conviction
GPT-6 Sol (Max) ocupa el primer lugar en direct, mientras que K2 Horizon 375B A23B ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 871 Elo.
Las puntuaciones Elo van de 305 a 1176, con un intervalo de confianza del 95% típico por modelo de ±32 Elo, es decir, unos ±5 puntos en la escala de 1 a 100.
Leaderboard de Direct
El Elo de cada modelo en este rasgo, convertido en un rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark. Los bigotes muestran el intervalo de confianza del 95% de cada modelo en la misma escala.
AA-PersonalityBench: Direct
¿El modelo va al grano rápidamente, sin preámbulos innecesarios? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark
Otros rasgos
Lexically VariedEloquentLiterateNatural SoundingMetaphoricalStructuredScannableBottom-Line SummaryAnswer FirstInformation DenseEvidence-BasedResource-SpecificActionable GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop