RAG and retrieval
I risultati vengono confrontati solo all'interno dello stesso gruppo, così un modello testato in un modo non viene mai messo in classifica contro un modello testato in un altro.
Retrieve relevant context and ground an answer
I gruppi di classifica usano scale diverse. Confronta le configurazioni solo all'interno dello stesso gruppo; EvalRank non appiattisce mai sistemi diversi in un'unica classifica.
Consenso tra i benchmark
Una classifica dei modelli sui benchmark ammessi per questo argomento, con lo stesso peso che si dà alle decisioni. Ogni punteggio è la quota del miglior risultato ottenuta dal modello.
| Posizione | Modello | Quota del migliore | Benchmark |
|---|---|---|---|
| 1 | GPT-6 Astra | 100.0% | 1 |
| 2 | GPT-6.1 Sol | 97.4% | 1 |
| 3 | Gemma 4 26B A4B | 97.1% | 1 |
| 4 | GPT-6 Luna | 95.7% | 1 |
| 5 | Gemma 4 31B | 94.7% | 1 |
| 6 | Qwen 3.8 Max | 92.1% | 1 |
| 7 | Gemini 4 Argon | 91.6% | 1 |
| 8 | Grok 4.7 | 85.6% | 1 |
| 9 | Gemini 3.8 Flash | 85.1% | 1 |
| 10 | Claude Opus 5.5 | 77.9% | 1 |
| 11 | GPT-5.6 Terra | 75.5% | 1 |
| 12 | Claude Haiku 5.5 | 71.1% | 1 |
| 13 | Gemini 3.1 Pro Preview | 70.7% | 1 |
| 14 | GLM-5.3-Flash | 70.0% | 1 |
| 15 | gpt-oss-120b | 25.1% | 1 |
Configurazione del modello · Prompt diretto
Esplorativo - non è ancora un vincitore in classificarg-rag-retrieval-model-configuration-direct-prompt-model-configuration-v1Evidenze dell'explorer
FACTS Grounding v2
Fonte unica. Osservato il ; valido fino al .
| Posizione | Configurazione | Capacità | Incertezza | Famiglie |
|---|---|---|---|---|
| 1 | GPT-6 Astra facts-grounding-v2:gpt-6-astraconfig_133c9e505fd788462ac768c4805bef5b5fe59e2324bb1f8fff6e845bcddb3872 | 80% | Sconosciuto | 1 |
| 2 | GPT-6.1 Sol facts-grounding-v2:gpt-6.1-solconfig_022373fecf0bf7c463088eb9899c7a3d9eb4bce9cfd24110dee5d64340258fc8 | 78% | Sconosciuto | 1 |
| 3 | Gemma 4 26B A4B facts-grounding-v2:gemma-4-26b-a4b-itconfig_55069a9aaccbd5ee73d7a243cd0c8df03b39b412016cf1a0b7b837edafff174d | 78% | Sconosciuto | 1 |
| 4 | GPT-6 Luna facts-grounding-v2:gpt-6-lunaconfig_dfbe5630ca5e9b5b949f0ac1c2d16d02b8386ac997ef96002c20dcbcbf44251b | 77% | Sconosciuto | 1 |
| 5 | Gemma 4 31B facts-grounding-v2:gemma-4-31b-itconfig_fa8dd1d921924622402184bc1cc37f6f1c4a9ab5a8550e75c01250d3132198cf | 76% | Sconosciuto | 1 |
| 6 | Qwen 3.8 Max facts-grounding-v2:qwen3.8-maxconfig_8fa55caebd27c26e9eb72a531ca084b0b7eb587def26ed79829c31672d534a13 | 74% | Sconosciuto | 1 |
| 7 | Gemini 4 Argon facts-grounding-v2:gemini-4-argonconfig_d111583ea85b8d585e1eff81d6a64ccb192e4f584cb7df57af454e5c2b45e1de | 73% | Sconosciuto | 1 |
| 8 | Grok 4.7 facts-grounding-v2:grok-4.7config_086c38708f99bbe547c2740a59f374dc1c52ea959656105f1b84b8bc40495637 | 69% | Sconosciuto | 1 |
| 9 | Gemini 3.8 Flash facts-grounding-v2:gemini-3.8-flashconfig_289038458a43165e74dc5110c147d0ee5e4582c3c45ee8e794afb02b454cbea6 | 68% | Sconosciuto | 1 |
| 10 | Claude Opus 5.5 facts-grounding-v2:claude-opus-5-5-defaultconfig_d2c7c107ab0570cb61aecf7976c1bf66a5f97bfb7edaa45f27a21886281c4c92 | 62% | Sconosciuto | 1 |
| 11 | GPT-5.6 Terra facts-grounding-v2:gpt-5.6-terraconfig_c000ae6e53b83f053539736253672afb6731d79b61281f862e6b43a61ab41378 | 61% | Sconosciuto | 1 |
| 12 | Claude Haiku 5.5 facts-grounding-v2:claude-haiku-5-5config_1c2522cedfd238e9b5868cd71302f698243450ff10f5dd811765a2283820cbb0 | 57% | Sconosciuto | 1 |
| 13 | Gemini 3.1 Pro Preview facts-grounding-v2:gemini-3.1-pro-previewconfig_5e7d3db54d056747b7f5db367b48e115c38aff0a37a99c447039ea568c28e338 | 57% | Sconosciuto | 1 |
| 14 | GLM-5.3-Flash facts-grounding-v2:glm-5.3-flashconfig_8d840320d281170c66881abda6aacd6a3f818b6431d7a49ff4b96548d6c71112 | 56% | Sconosciuto | 1 |
| 15 | gpt-oss-120b facts-grounding-v2:gpt-oss-120bconfig_a76962bdae4d7535750df3b65733135f2ed5f454f059573b12adbef178ba23ec | 20% | Sconosciuto | 1 |
Non ci sono abbastanza evidenze indipendenti per un gruppo di testa
- La calibrazione non è stata convalidata
- La copertura indipendente delle famiglie di benchmark è sotto la soglia richiesta