TikZ Code Generation on DaTikZ V4 benchmark leaderboard · SOTA2 Research

TikZ Code Generation on DaTikZ V4

0.189CLIP SimilarityTikZilla-3B-RL

Evaluation Results

Method	Links
TikZilla-3B-RL2026.03		0.189	0.731	0.766	0.385	98	481
TikZilla-8B-RL2026.03		0.185	0.727	0.761	0.384	95	459
GPT-52026.03		0.181	0.679	0.765	0.365	88	480
Qwen3-8B (+RL)2026.03		0.169	0.669	0.768	0.357	98	393
TikZilla-3B2026.03		0.161	0.613	0.802	0.324	89	672
TikZilla-8B2026.03		0.158	0.602	0.793	0.322	86	729
Qwen3-32B2026.03		0.149	0.583	0.765	0.322	79	416
GPT-4o2026.03		0.147	0.58	0.767	0.32	78	404
Qwen3-Coder-30B-A3B2026.03		0.14	0.566	0.778	0.309	77	472
Qwen2.5-14B2026.03		0.132	0.511	0.765	0.293	71	376
Qwen3-8B2026.03		0.106	0.421	0.775	0.251	63	412
TikZero-Plus-10B2026.03		0.104	0.397	0.807	0.231	61	742
Qwen2.5-3B (+RL)2026.03		0.098	0.505	0.795	0.269	98	234
Llama3.1-8B2026.03		0.088	0.339	0.786	0.214	50	529
Qwen2.5-3B2026.03		0.081	0.315	0.789	0.202	52	387