Llama 4 Behemoth Benchmark Victory

Text on the meme

Llama 4 Behemoth instruction-tuned benchmarks Category Benchmark Llama 4 Behemoth Claude Sonnet 3.7 Gemini 2.0 Pro GPT-4.5 Coding LiveCodeBench (10/01/2024-02/01/2025) 49.4 — 36.0³ — Reasoning & Knowledge MATH-500 95.0 82.2 91.8 — MMMU Pro 82.2 — 79.1 — GPQA Diamond 73.7 68.0 64.7 71.4 Multilingual Multilingual MMLU (OpenAI) 85.8 83.2 — 85.1 Image Reasoning MMMU 76.1 71.8 72.7 74.4 1. Llama model results represent current best internal runs. 2. For non-Llama models, we source the highest available self-reported results, unless otherwise specified. We only include evals from models that have reproducible evals (via API or open weights) and we only include non-thinking models. 3. Results are sourced from the LCB leaderboard.

What it means

Таблица сравнивает результаты Llama 4 Behemoth с Claude Sonnet 3.7, Gemini 2.0 Pro и GPT-4.5 на различных тестах. Шутка в демонстративном триумфе Llama 4 Behemoth: модель заметно лидирует в большинстве приведённых бенчмарков, поэтому изображение используют как реакцию на «невероятное начало года» и победу в сравнении ИИ-моделей.

Objects

benchmark table / таблица бенчмарков white background / белый фон blue highlighted scores / выделенные синим оценки comparison chart / сравнительная диаграмма rows and columns / строки и столбцы AI model names / названия ИИ-моделей decimal scores / десятичные баллы footnotes / сноски rounded table border / закруглённая рамка таблицы