Preferenze complessive sul testo da confronti diretti. Non misura accuratezza fattuale o riuscita dei compiti.
14001440
Claude Opus 4.1 (Thinking 16K, 20250805)
Claude Opus 4.1 (Thinking 16K, 20250805) · Intervallo 95% 1415,9–1422,8 · 49,366 voti · 2026-11-11
Risultati registrati
Ogni riga usa lo stesso benchmark, versione, carico, scenario e unità. I risultati mancanti non valgono zero. I risultati di sistema includono tutta la configurazione hardware e software.
Arena text preference / chinesehuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.424,91 rating
Intervallo di confidenza: 1.415,10 – 1.434,72
3843 voti
Categoria
chinese
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / codinghuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.479,00 rating
Intervallo di confidenza: 1.472,56 – 1.485,43
9884 voti
Categoria
coding
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / creative_writinghuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.411,84 rating
Intervallo di confidenza: 1.404,18 – 1.419,51
6820 voti
Categoria
creative_writing
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / englishhuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.432,86 rating
Intervallo di confidenza: 1.428,07 – 1.437,65
20816 voti
Categoria
english
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / exclude_tieshuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.407,14 rating
Intervallo di confidenza: 1.402,41 – 1.411,87
35494 voti
Categoria
exclude_ties
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / experthuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.439,00 rating
Intervallo di confidenza: 1.427,24 – 1.450,76
2539 voti
Categoria
expert
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / frenchhuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.432,27 rating
Intervallo di confidenza: 1.411,19 – 1.453,34
850 voti
Categoria
french
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / germanhuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.412,92 rating
Intervallo di confidenza: 1.394,18 – 1.431,66
1047 voti
Categoria
german
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / hard_promptshuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.442,42 rating
Intervallo di confidenza: 1.437,87 – 1.446,96
24858 voti
Categoria
hard_prompts
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / hard_prompts_englishhuman preference · 2026-11-11 · rating
Claude Opus 4.1 (Thinking 16K, 20250805)
1.451,09 rating
Intervallo di confidenza: 1.444,93 – 1.457,25
10674 voti
Categoria
hard_prompts_english
Configurazione valutata
Claude Opus 4.1 (Thinking 16K, 20250805)
Tipo di valutazione
human preference
Arena text preference / industry_business_and_management_and_financial_operationshuman preference · 2026-11-11 · rating