Benchmarkok · mérve 2026.07 · a képzés után kiadott vizsgák

Mennyire okos valójában a DoubleDive?

A DoubleDive teljes pipeline-ját a legnehezebb, legújabb vizsgákon teszteljük, amelyeket a diákok valóban megírnak — olyan teszteken, amelyeket túl későn adtak ki ahhoz, hogy bármelyik AI képzési adataiban megjelenjenek —, és itt publikáljuk az eredményeket.

Fő eredmény

Az egyetlen AI, amely tökéletes pontszámot ért el mind az AIME 2026, mind a JEE Advanced Math vizsgán

Összesített pontszám az AIME 2026 I (15 feladat) és a JEE Advanced 2026 Math (34 feladat) vizsgákon.

DoubleDive49/49
Company C zászlóshajó modellje48/49
Company G zászlóshajó modellje48/49
AIME 2026 I15/15

American Invitational Mathematics Examination — az út a USA Math Olympiad felé.

JEE Advanced 2026 Math34/34

India IIT felvételi vizsgája — széles körben az egyik legnehezebb matematikai tesztnek tartják a világon.

2026-os amerikai vizsgák

Majdnem minden kérdés helyes

A 2026-os, teljesen új kiadásai a legnehezebb vizsgáknak, amelyeket amerikai diákok írnak.

2026-os SAT120/120

Tökéletes SAT — Math és Reading & Writing, minden kérdés.

2026-os ACT36/36

Tökéletes ACT Composite — English 35, Math 36, Reading 36; Science 35.

F=ma 202625/25

Tökéletes eredmény a USA Physics Olympiad selejtezőjén.

U.S. Chemistry Olympiad 202659/60

Az USNCO Local vizsga.

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

Tökéletes Regents – minden kérdésre.

Koreai CSAT (수능)

Minden élvonalbeli modell előtt

A 2026-os koreai College Scholastic Ability Test benchmarkon a DoubleDive minden önálló élvonalbeli modellt megelőzött – tökéletes eredménnyel koreai nyelv, angol nyelv, matematika, fizika és etika terén.

DoubleDive590/600
Company C zászlóshajó modellje570/600
Company G zászlóshajó modellje524/600
Módszertan

Hogyan mérünk

Minden eredményt belsőleg mértünk 2026 július–szeptember között a legújabb elérhető (2026-os) vizsgaverziókon – amelyek minden tesztelt modell tanítási határidejét követően jelentek meg, így a kérdések nem lehettek benne a tanítási adatokban.

A DoubleDive a teljes éles rendszerét használja: minden feladatnál egy orchestrátor a legmegfelelőbb modellhez irányít, a modellek egymás munkáját keresztellenőrzik, majd az eredményt validálják. A viszonyítási alap az adott cég vezető modelljének önálló, egyszeri lekérdezése ugyanazokra a bemenetekre.

Az ACT eredményt 2026 szeptemberében mértük a hivatalos ACT Practice Test 3 (26MC2 forma, 2026 augusztusi kiadás) alapján, az ACT hivatalos átváltási táblái szerint pontozva: English 35, Mathematics 36, Reading 36, Science 35 – Composite 36, 171-ből 169 feleletválasztós kérdésre helyes válasszal. A koreai CSAT eredmények nyers pontszámok (원점수). Az SAT® (College Board), az ACT® (ACT Education Corp.), az F=ma (AAPT), a U.S. National Chemistry Olympiad (American Chemical Society) és a Regents Examinations (NYSED) a jogtulajdonosaik védjegyei, akik nem támogatják és nem szponzorálják a DoubleDive-ot.

Ugyanaz az AI, amely ezeken a vizsgákon jeleskedik, szókratészi módon tanítja a diákodat.

Ingyenes kredit regisztrációkor · Nincs szükség bankkártyára · Böngészőben fut

Kezdd el ingyen