grok4 HLE doğrudan 35'e ulaştı, gpqa 87'ye ulaştı
(HLE 35'e ulaştı, şu anki en yüksek 2.5Pro sadece 22 ve o3 sadece 20)
İnsanlık için son sınav olan HLE, dünyanın dört bir yanından 2.000 uzman tarafından geliştirilen 3.000'den fazla son derece zor soruyla tüm konuları test ediyor
Doktora düzeyindeki bilim sorularından oluşan bir sınav olan GPQA, esas olarak muhakeme yeteneğini yansıtır
Kaynak:
