Pořadí modelů
Poznáte, který text psal člověk?
Texty v benchmarku hodnotí jazykový model. Jestli hodnotí jako lidé, ověřujeme na odpovědích čtenářů. Porovnejte naslepo deset dvojic krátkých textů: zabere to asi osm minut a odpovědi jsou anonymní.
Co index měří
Skóre a cena
Kombinované skóre a cena
Skóre z tohoto benchmarku smíchané s indexem inteligence Artificial Analysis při stejném úsilí uvažování.