keep the raw benchmark answers so the report's questions and answers never need re-running
102 unique textbook questions, 1,287 full model answers, per-answer cost and the hand grades for both rounds. Book excerpts (retrieval context) are left out. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
228
docs/benchmarks/2026-09-26-tutor-model/round2.json
Normal file
228
docs/benchmarks/2026-09-26-tutor-model/round2.json
Normal file
@@ -0,0 +1,228 @@
|
||||
{
|
||||
"v3-4o": {
|
||||
"total": 86,
|
||||
"n": 102,
|
||||
"tier": {
|
||||
"primary": [
|
||||
38,
|
||||
46
|
||||
],
|
||||
"middle": [
|
||||
22,
|
||||
26
|
||||
],
|
||||
"upper": [
|
||||
26,
|
||||
30
|
||||
]
|
||||
},
|
||||
"slash": [
|
||||
13,
|
||||
17
|
||||
],
|
||||
"cents": 0.0410316990291262,
|
||||
"p50": 5.9,
|
||||
"markup": 0.019417475728155338,
|
||||
"wrong": [
|
||||
313,
|
||||
422,
|
||||
511,
|
||||
519,
|
||||
521,
|
||||
592,
|
||||
998,
|
||||
1051,
|
||||
1398,
|
||||
2534,
|
||||
2771,
|
||||
2839,
|
||||
3591,
|
||||
3935,
|
||||
3959,
|
||||
4113
|
||||
]
|
||||
},
|
||||
"v4-4o": {
|
||||
"total": 90,
|
||||
"n": 102,
|
||||
"tier": {
|
||||
"primary": [
|
||||
38,
|
||||
46
|
||||
],
|
||||
"middle": [
|
||||
25,
|
||||
26
|
||||
],
|
||||
"upper": [
|
||||
27,
|
||||
30
|
||||
]
|
||||
},
|
||||
"slash": [
|
||||
13,
|
||||
17
|
||||
],
|
||||
"cents": 0.041762038834951457,
|
||||
"p50": 5.2,
|
||||
"markup": 0.0,
|
||||
"wrong": [
|
||||
313,
|
||||
422,
|
||||
519,
|
||||
521,
|
||||
592,
|
||||
621,
|
||||
1051,
|
||||
1398,
|
||||
2534,
|
||||
2839,
|
||||
3935,
|
||||
4113
|
||||
]
|
||||
},
|
||||
"v5-4o": {
|
||||
"total": 85,
|
||||
"n": 102,
|
||||
"tier": {
|
||||
"primary": [
|
||||
38,
|
||||
46
|
||||
],
|
||||
"middle": [
|
||||
22,
|
||||
26
|
||||
],
|
||||
"upper": [
|
||||
25,
|
||||
30
|
||||
]
|
||||
},
|
||||
"slash": [
|
||||
12,
|
||||
17
|
||||
],
|
||||
"cents": 0.04241577669902913,
|
||||
"p50": 3.9,
|
||||
"markup": 0.009708737864077669,
|
||||
"wrong": [
|
||||
312,
|
||||
313,
|
||||
393,
|
||||
422,
|
||||
519,
|
||||
521,
|
||||
592,
|
||||
907,
|
||||
998,
|
||||
1398,
|
||||
2534,
|
||||
2839,
|
||||
2930,
|
||||
3935,
|
||||
3959,
|
||||
4108,
|
||||
4113
|
||||
]
|
||||
},
|
||||
"v3-41": {
|
||||
"total": 95,
|
||||
"n": 102,
|
||||
"tier": {
|
||||
"primary": [
|
||||
39,
|
||||
46
|
||||
],
|
||||
"middle": [
|
||||
26,
|
||||
26
|
||||
],
|
||||
"upper": [
|
||||
30,
|
||||
30
|
||||
]
|
||||
},
|
||||
"slash": [
|
||||
11,
|
||||
17
|
||||
],
|
||||
"cents": 0.11057048543689321,
|
||||
"p50": 4.0,
|
||||
"markup": 0.0,
|
||||
"wrong": [
|
||||
313,
|
||||
393,
|
||||
397,
|
||||
422,
|
||||
511,
|
||||
621,
|
||||
626
|
||||
]
|
||||
},
|
||||
"v4-41": {
|
||||
"total": 96,
|
||||
"n": 102,
|
||||
"tier": {
|
||||
"primary": [
|
||||
40,
|
||||
46
|
||||
],
|
||||
"middle": [
|
||||
26,
|
||||
26
|
||||
],
|
||||
"upper": [
|
||||
30,
|
||||
30
|
||||
]
|
||||
},
|
||||
"slash": [
|
||||
11,
|
||||
17
|
||||
],
|
||||
"cents": 0.11649165048543685,
|
||||
"p50": 3.5,
|
||||
"markup": 0.0,
|
||||
"wrong": [
|
||||
313,
|
||||
393,
|
||||
397,
|
||||
511,
|
||||
621,
|
||||
626
|
||||
]
|
||||
},
|
||||
"v5-41": {
|
||||
"total": 96,
|
||||
"n": 102,
|
||||
"tier": {
|
||||
"primary": [
|
||||
42,
|
||||
46
|
||||
],
|
||||
"middle": [
|
||||
25,
|
||||
26
|
||||
],
|
||||
"upper": [
|
||||
29,
|
||||
30
|
||||
]
|
||||
},
|
||||
"slash": [
|
||||
14,
|
||||
17
|
||||
],
|
||||
"cents": 0.12201592233009707,
|
||||
"p50": 3.3,
|
||||
"markup": 0.0,
|
||||
"wrong": [
|
||||
313,
|
||||
397,
|
||||
422,
|
||||
511,
|
||||
2839,
|
||||
3938
|
||||
]
|
||||
}
|
||||
}
|
||||
Reference in New Issue
Block a user