बेंचमार्क्स · 07.2026 में मापे गए · ट्रेनिंग के बाद जारी हुए एग्ज़ाम

DoubleDive वास्तव में कितना स्मार्ट है?

हम DoubleDive की पूरी पाइपलाइन को सबसे कठिन, नवीनतम एग्ज़ाम के लिए बैठाते हैं जो छात्र वास्तव में देते हैं — ऐसे टेस्ट जो हाल ही में जारी हुए हैं और किसी भी AI के ट्रेनिंग डेटा में नहीं हैं — और स्कोर यहाँ प्रकाशित करते हैं।

मुख्य परिणाम

AIME 2026 और JEE Advanced Math दोनों में परफ़ेक्ट स्कोर वाला एकमात्र AI

AIME 2026 I (15 प्रॉब्लम) और JEE Advanced 2026 Math (34 प्रॉब्लम) का संयुक्त स्कोर।

DoubleDive49/49
कंपनी C का फ्लैगशिप मॉडल48/49
कंपनी G का फ्लैगशिप मॉडल48/49
AIME 2026 I15/15

American Invitational Mathematics Examination — USA Math Olympiad का रास्ता।

JEE Advanced 2026 Math34/34

भारत का IIT एंट्रेंस एग्ज़ाम — जिसे दुनिया के सबसे कठिन मैथ टेस्ट में से एक माना जाता है।

2026 US एग्ज़ाम

लगभग हर सवाल सही

अमेरिकी छात्रों द्वारा दिए जाने वाले सबसे कठिन एग्ज़ाम के बिल्कुल नए 2026 संस्करण।

2026 SAT120/120

एक परफ़ेक्ट SAT — Math और Reading & Writing, हर सवाल।

2026 ACT36/36

एक परफ़ेक्ट ACT Composite — English 35, Math 36, Reading 36; Science 35।

F=ma 202625/25

USA Physics Olympiad क्वालिफ़ायर में परफ़ेक्ट।

U.S. Chemistry Olympiad 202659/60

USNCO Local एग्ज़ाम।

Regents: U.S. History & Gov 202628/28

एक परफेक्ट Regents — हर सवाल सही।

Korean CSAT (수능)

हर frontier model से आगे

2026 Korean College Scholastic Ability Test बेंचमार्क पर, DoubleDive ने हर standalone frontier model को पीछे छोड़ दिया — Korean, English, Math, Physics, और Ethics में परफेक्ट स्कोर के साथ।

DoubleDive590/600
कंपनी C का फ्लैगशिप मॉडल570/600
कंपनी G का फ्लैगशिप मॉडल524/600
पद्धति

हम कैसे मापते हैं

सभी स्कोर जुलाई–सितंबर 2026 में सबसे नए उपलब्ध (2026) exam editions पर आंतरिक रूप से मापे गए — जो हर टेस्ट किए गए model के training cutoff के बाद रिलीज़ हुए, इसलिए कोई भी सवाल training data में नहीं हो सकता था।

DoubleDive अपना पूरा production pipeline चलाता है: हर समस्या के लिए, एक orchestrator सबसे उपयुक्त model को चुनता है, models को एक-दूसरे के काम की क्रॉस-वेरिफिकेशन करवाता है, और परिणाम को validate करता है। Baselines उन्हीं inputs पर हर कंपनी के flagship model पर standalone single calls हैं।

ACT स्कोर सितंबर 2026 में official ACT Practice Test 3 (Form 26MC2, अगस्त 2026 में रिलीज़) पर मापा गया और ACT की official conversion tables से स्कोर किया गया: English 35, Mathematics 36, Reading 36, Science 35 — Composite 36, 171 में से 169 multiple-choice सवालों के सही जवाब के साथ। Korean CSAT स्कोर raw scores (원점수) हैं। SAT® (College Board), ACT® (ACT Education Corp.), F=ma (AAPT), U.S. National Chemistry Olympiad (American Chemical Society), और Regents Examinations (NYSED) अपने-अपने मालिकों के trademarks हैं, जो DoubleDive का समर्थन या प्रचार नहीं करते।

वही AI जो इन exams में टॉप करता है, आपके बच्चे को Socratic तरीके से पढ़ाता है।

साइनअप पर फ्री क्रेडिट्स · कोई क्रेडिट कार्ड नहीं · ब्राउज़र में चलता है

मुफ़्त शुरू करें