Benchmark comparison heatmap

提示詞

Landscape 16:9 heatmap matrix of models × benchmarks.

Columns (rotated 45°): "MMLU", "HumanEval", "GSM8K", "MATH", "BBH", "ARC-C", "HellaSwag", "TruthfulQA".
Rows (right-aligned sans-serif): "GPT-4o", "Claude 4.7 Opus", "Gemini 3 Pro", "Llama 4 405B", "Qwen3-Next", "DeepSeek-V3.1", "Mistral-3 Large", "Yi-3 34B", "Phi-4 14B", "OLMo-2 7B".

Each cell filled with dusty-teal gradient proportional to score; numeric value in each cell (e.g. "72.3", "88.1"). Best score per column outlined in 1.5px soft-terracotta.

Vertical color bar on the right with ticks "0", "25", "50", "75", "100" and label "accuracy (%)".

Title: "Benchmark comparison across 10 frontier LLMs". Subtitle: "zero-shot accuracy; best per benchmark outlined in bold. Evaluated March 2026."

中文翻譯

橫向 16:9 的模型 × 基準測試熱力圖矩陣。

列（旋轉 45°）：“MMLU”、“HumanEval”、“GSM8K”、“MATH”、“BBH”、“ARC-C”、“HellaSwag”、“TruthfulQA”。
行（右對齊無襯線字體）：“GPT-4o”、“Claude 4.7 Opus”、“Gemini 3 Pro”、“Llama 4 405B”、“Qwen3-Next”、“DeepSeek-V3.1”、“Mistral-3 Large”、“Yi-3 34B”、“Phi-4 14B”、“OLMo-2 7B”。

每個單元格填充與分數成正比的灰青色漸變；單元格內標註數值（例如“72.3”、“88.1”）。每列的最高分用 1.5px 柔和赤陶色描邊標出。

右側垂直色條，刻度爲“0”、“25”、“50”、“75”、“100”，標籤爲“準確率 (%)”。

標題：“10 個前沿 LLM 的基準測試對比”。副標題：“zero-shot 準確率；每項基準的最佳成績以粗體描邊標出。評測於 2026 年 3 月。”

溯源

原作者

wuyoscar

收錄來源

wuyoscar/GPT-Image2-Skill · 85 · MIT