v4.3.2 · 10 项评测

智能指数拆分

解释 AA Intelligence Index v4.3.2 的 10 项评测、GDPval-AA v2.1 与 AA-Briefcase v1.1 的 Crowd-BT 拟合,按版本查看逐模型成绩并保留 v4.3、v4.3.1 与 v4.1 历史参考。

数据快照:2026-09-20T01:32:40.000Z查看原始来源 ↗
主要指标Evaluation relevance
方法核验日期2026-09-20T01:32:40.000Z

INTELLIGENCE INDEX V4.3.2

当前 10 项组成评测

01 · Agent · 15%

AA-Briefcase v1.1

四个工作场景中的文件交付任务;成对比较的 Elo 按 Crowd-BT 拟合,评分仍围绕任务成功、分析质量和呈现质量。

02 · Agent · 10%

GDPval-AA v2.1

高经济价值、可交付成果导向的真实知识工作任务;Elo 以 DeepSeek V4.1 Flash(max)1600 为锚点,并按 Crowd-BT 拟合。

03 · Agent · 5%

AutomationBench-AA

使用 REST API 完成 SaaS 工作流,触发安全约束违规的任务不得分。

04 · 编码 · 10%

Terminal-Bench v4.0

在终端中执行真实任务,与 v2.1 的任务集和结果分开比较。

05 · 编码 · 10%

SciCode

科研场景中的代码生成、执行和数值计算。

06 · 通用 · 15%

AA-Omniscience

知识准确率与幻觉率分别进入指数;独立 Omniscience Index 不直接作为组成分数。

07 · 通用 · 10%

GDP.pdf

基于长 PDF 回答跨领域问题,保留全通过与任务宏平均通过率的不同口径。

08 · 通用 · 5%

AA-LCR v1.1

跨长上下文定位、保持和综合关键信息。

09 · 科学推理 · 10%

Humanity's Last Exam

覆盖多学科专家级知识与复杂推理。

10 · 科学推理 · 10%

CritPt

要求严谨分析与多步骤推理的科学评测。

按版本展示

逐模型组成评测成绩

展示已核实的来源公开数据,按版本查看并保留旧观测。不同版本不混排;估算保留标记,缺失字段不补算。

533 / 533 个模型

当前完整方法为 v4.3.2,带 * 为原站估算值;GDPval-AA v2.1 与 AA-Briefcase v1.1 的 Elo 按 Crowd-BT 口径显示。指数中的 Elo 贡献在模型加入时冻结,不能用 Elo 重算指数。其余分项以百分数展示;幻觉率越低越好,缺失值为 —。

Artificial Analysis Intelligence Index v4.3.2 完整逐模型分项成绩
#模型机构智能指数GDPval-AA v2.1 (Elo)AA-Briefcase v1.1 (Elo)AutomationBench-AATerminal-Bench v4.0SciCodeAA-LCR v1.1AA-Omniscience 准确率AA-Omniscience 幻觉率GDP.pdf 全通过率HLECritPt权重推理发布日期
1Claude Opus 5.5 (max with fallback)Anthropic57.621,846.17
当前完整方法 v4.3.2
—69.5%59.6%66.9%84.7%66.2%58.6%26.2%61.4%31.7%闭源是2026-09-22
2Claude Opus 5.5 (xhigh with fallback)Anthropic55.991,820.11
当前完整方法 v4.3.2
—65%59.6%65%84.7%65.4%65.7%26.6%57.5%31.7%闭源是2026-09-22
3Claude Opus 5.5 (high with fallback)Anthropic53.581,691.72
当前完整方法 v4.3.2
—63.2%56.6%60.4%82.7%64.6%67.6%28.8%55.6%30.9%闭源是2026-09-22
4Claude Fable 5.1 (max with fallback)Anthropic53.351,734.67
当前完整方法 v4.3.2
1,678.37
当前完整方法 v4.3.2
59.4%52%63.1%85.3%67.2%72.6%26.2%59.1%29.7%闭源是2026-09-01
5Claude Fable 5.1 (xhigh with fallback)Anthropic53.21,720.92
当前完整方法 v4.3.2
1,668.97
当前完整方法 v4.3.2
57.8%55.1%60.9%83%66.2%70.5%26.2%58.7%31.1%闭源是2026-09-01
6GPT-6 Astra (max)OpenAI52.671,541.89
当前完整方法 v4.3.2
1,568.86
当前完整方法 v4.3.2
68.5%59.1%56.5%80.7%62.6%51.3%31%54.7%31.7%闭源是2026-09-03
7GPT-6 Astra (xhigh)OpenAI52.391,516.48
当前完整方法 v4.3.2
1,543.68
当前完整方法 v4.3.2
67.2%59.6%55.7%80%61.9%48.3%32.2%54.6%31.4%闭源是2026-09-03
8Claude Opus 5.5 (medium with fallback)Anthropic51.241,576.2
当前完整方法 v4.3.2
—61.2%52.5%59.3%84.3%64.5%68.4%25.6%54.7%27.7%闭源是2026-09-22
9Claude Fable 5.1 (high with fallback)Anthropic51.151,617.29
当前完整方法 v4.3.2
1,592.21
当前完整方法 v4.3.2
55.3%52%58.7%83.7%64.9%68.8%26.8%55.9%30.3%闭源是2026-09-01
10GPT-6 Astra (high)OpenAI50.921,484.52
当前完整方法 v4.3.2
1,506.86
当前完整方法 v4.3.2
66.6%54%55.4%80%61.1%44.8%31%53.1%28.9%闭源是2026-09-03
11Claude Opus 5 (max)Anthropic50.781,707.92
当前完整方法 v4.3.2
1,673.33
当前完整方法 v4.3.2
56.6%49%56.4%79.3%60.9%60.8%21.6%54.9%29.1%闭源是2026-07-24
12Claude Opus 5 (xhigh)Anthropic49.681,676.3
当前完整方法 v4.3.2
1,649.38
当前完整方法 v4.3.2
53.2%46.5%55.7%80.3%59.5%59.5%21%54.4%27.7%闭源是2026-07-24
13Claude Fable 5历史Anthropic49.631,595.24
当前完整方法 v4.3.2
1,544.04
当前完整方法 v4.3.2
54.1%42.4%61%82.3%65.3%63.6%24%55.5%28.6%闭源是2026-06-09
14GPT-6 Astra (medium)OpenAI49.571,467.88
当前完整方法 v4.3.2
1,459.22
当前完整方法 v4.3.2
64.6%49.5%54.2%79.7%60.6%46.5%30.4%52.7%29.1%闭源是2026-09-03
15Claude Fable 5.1 (medium with fallback)Anthropic48.921,535.85
当前完整方法 v4.3.2
1,541.93
当前完整方法 v4.3.2
54.7%44.9%56.4%84.7%63.1%69.1%26.8%53.8%29.1%闭源是2026-09-01
16Claude Opus 5 (high)Anthropic48.121,581
当前完整方法 v4.3.2
1,573.28
当前完整方法 v4.3.2
53.6%46%55.4%79%58.9%61.2%19.6%52.8%28.3%闭源是2026-07-24
17Muse Spark 1.3 (max)Meta48.091,673.91
当前完整方法 v4.3.2
1,598.64
当前完整方法 v4.3.2
57.9%33.3%58.8%83%43.6%32.9%26.6%48.7%24.9%闭源是2026-09-02
18GPT-5.6 Sol (max)OpenAI46.971,587.9
当前完整方法 v4.3.2
1,487.42
当前完整方法 v4.3.2
60.1%39.9%57.1%84%59.4%92.2%27.2%49.5%32.3%闭源是2026-07-09
19Claude Fable 5.1 (low with fallback)Anthropic46.821,449.57
当前完整方法 v4.3.2
1,490.16
当前完整方法 v4.3.2
52.2%40.4%56.7%82.3%60.2%65.6%28%48.9%27.7%闭源是2026-09-01
20GPT-6 Astra (low)OpenAI45.781,365.6
当前完整方法 v4.3.2
1,260.6
当前完整方法 v4.3.2
59.1%41.9%54.1%80%59.5%46.9%30.4%49.2%26.3%闭源是2026-09-03
21Qwen3.8 Max (0902)Alibaba45.421,667.56
当前完整方法 v4.3.2
1,642.2
当前完整方法 v4.3.2
56.2%38.9%52.1%80.3%31.7%28.8%22.8%43.1%17.7%闭源是2026-09-02
22Muse Spark 1.3 (xhigh)Meta45.071,627.61
当前完整方法 v4.3.2
1,494.78
当前完整方法 v4.3.2
56.8%16.7%59.7%83%41.5%31.5%24.2%47.5%26%闭源是2026-09-02
23Claude Opus 5 (medium)Anthropic44.831,475.93
当前完整方法 v4.3.2
1,440.74
当前完整方法 v4.3.2
54.3%34.3%51.5%82%57.1%60.7%20%51.3%26.9%闭源是2026-07-24
24GLM-5.3 (max)Z AI44.781,645.36
当前完整方法 v4.3.2
1,525.96
当前完整方法 v4.3.2
62.2%41.9%59%79.7%33.9%29.6%11.2%42.3%19.1%开放是2026-08-18
25Grok 4.6 (high)SpaceXAI44.311,605.32
当前完整方法 v4.3.2
1,523.2
当前完整方法 v4.3.2
66.7%21.2%56.5%80.3%48.2%34.3%17%42.9%17.1%闭源是2026-08-12
26Grok 4.6 (xhigh)SpaceXAI44.21,632.05
当前完整方法 v4.3.2
1,556.48
当前完整方法 v4.3.2
67%17.2%53%81%43%24%17.2%44.1%19.7%闭源是2026-08-12
27GPT-5.6 Sol (xhigh)OpenAI44.011,547.56
当前完整方法 v4.3.2
1,442.84
当前完整方法 v4.3.2
55.3%24.7%57.1%82.3%58.8%91.9%27.6%47.3%28.6%闭源是2026-07-09
28Step 5 PreviewStepFun43.731,565.95
当前完整方法 v4.3.2
1,433.26
当前完整方法 v4.3.2
51%33.3%58.9%88.3%41.5%43%14.8%46.5%20.9%闭源是2026-09-18
29Kimi K3 (max)Kimi43.591,523.8
当前完整方法 v4.3.2
1,511.36
当前完整方法 v4.3.2
58.3%12.6%59.5%88.7%47.6%53.2%22%46.9%23.4%开放是2026-07-16
30Grok 4.6 (medium)SpaceXAI42.841,604.68
当前完整方法 v4.3.2
1,492.63
当前完整方法 v4.3.2
63.2%13.1%55.9%81%41.9%24%17.8%42.1%17.7%闭源是2026-08-12
31GPT-5.6 Sol (high)OpenAI42.351,480.03
当前完整方法 v4.3.2
1,369.7
当前完整方法 v4.3.2
55.3%20.7%57.8%81.7%58.4%91.2%27.8%46%25.7%闭源是2026-07-09
32Claude Opus 5.5 (low with fallback)Anthropic42.311,223.51
当前完整方法 v4.3.2
—52.9%31.3%58.6%80.7%63.5%67.6%25.6%48.3%17.7%闭源是2026-09-22
33GPT-5.6 Terra (max)OpenAI42.081,432.1
当前完整方法 v4.3.2
1,337.29
当前完整方法 v4.3.2
59.6%35.4%55%83%46.8%87.9%24%42.9%30%闭源是2026-07-09
34GLM-5.3-FlashZ AI41.811,640.62
当前完整方法 v4.3.2
1,460.62
当前完整方法 v4.3.2
60.4%32.8%51.6%80%27.5%27.6%15.4%39.9%15.4%开放是2026-08-26
35Claude Opus 4.8 (max)历史Anthropic41.791,438.15
当前完整方法 v4.3.2
1,323
当前完整方法 v4.3.2
45.6%21.7%54.4%77.7%48.8%39.3%22.8%48.7%20.9%闭源是2026-05-28
36Gemini 3.8 Flash (high)Google40.931,411.95
当前完整方法 v4.3.2
1,201.59
当前完整方法 v4.3.2
59.9%19.7%56.6%81.3%54.6%55.2%21%47.8%18.3%闭源是2026-09-02
37Claude Opus 4.7 (max)历史Anthropic40.69*1,338.25
当前完整方法 v4.3.2
1,256.05
当前完整方法 v4.3.2
———78.7%48.9%42.3%—42.3%12%闭源是2026-04-16
38Qwen3.8 Max历史Alibaba40.151,595.36
当前完整方法 v4.3.2
1,390.99
当前完整方法 v4.3.2
49.2%18.7%53.2%78.3%31.9%41.7%20.2%43%20%闭源是2026-08-03
39Qwen3.8 2.4T A95BAlibaba39.891,597.1
当前完整方法 v4.3.2
1,445.94
当前完整方法 v4.3.2
57.2%11.1%54.1%80.3%31.3%39.2%15%42.4%20%开放是2026-08-12
40Qwen3.8-Flash-NextAlibaba39.821,611.97
当前完整方法 v4.3.2
1,598.38
当前完整方法 v4.3.2
55.9%25.3%50.6%79.7%24.5%45.3%15.6%38%11.1%开放是2026-08-26
41Gemini 3.8 Flash (medium)Google39.771,408.58
当前完整方法 v4.3.2
1,177.78
当前完整方法 v4.3.2
60.9%19.7%55.1%84%53%51.9%22.8%42.1%12.3%闭源是2026-09-02
42Gemini 3.7 Flash (medium)历史Google39.62*1,339.39
当前完整方法 v4.3.2
———59.8%83%54%65.9%—39%9.4%闭源是2026-08-13
43Muse Spark 1.2 (xhigh)历史Meta39.581,481.46
当前完整方法 v4.3.2
1,341.21
当前完整方法 v4.3.2
40.6%7.1%57.4%79%45.4%33.3%17.4%45.5%17.7%闭源是2026-08-05
44DeepSeek V4.1 Flash (max)DeepSeek39.461,600
当前完整方法 v4.3.2
1,433.19
当前完整方法 v4.3.2
68.9%26.8%51.9%84%46.4%96.5%12.8%39.2%14.3%开放是2026-09-10
45Claude Opus 5 (low)Anthropic39.351,293.66
当前完整方法 v4.3.2
1,209.79
当前完整方法 v4.3.2
51.8%26.3%49.2%81.3%56%62.2%17.2%43.4%23.1%闭源是2026-07-24
46GPT-5.6 Sol (medium)OpenAI39.241,402.95
当前完整方法 v4.3.2
1,242.59
当前完整方法 v4.3.2
51.3%14.6%57.4%80.3%57.8%90.8%26.2%42.2%22.9%闭源是2026-07-09
47Gemini 3.7 Flash (high)历史Google39.061,371.08
当前完整方法 v4.3.2
1,107.66
当前完整方法 v4.3.2
62%13.6%57.2%81.7%55.3%64.5%23.6%47.9%14.3%闭源是2026-08-13
48GPT-5.4 (xhigh)历史OpenAI38.98*1,232.62
当前完整方法 v4.3.2
————82%50.8%91.7%—43.7%23.4%闭源是2026-03-05
49Grok 4.5 (high)历史SpaceXAI38.811,370.27
当前完整方法 v4.3.2
1,286.75
当前完整方法 v4.3.2
57.9%10.6%55%79.3%51.5%54.1%18.8%42.7%15.4%闭源是2026-07-08
50GPT-5.5 (xhigh)历史OpenAI38.361,335.71
当前完整方法 v4.3.2
1,139.4
当前完整方法 v4.3.2
47.3%14.6%55.8%84.3%58%89%21.2%45.8%27.1%闭源是2026-04-23
51Claude Sonnet 5 (max)Anthropic38.161,449.03
当前完整方法 v4.3.2
1,363.93
当前完整方法 v4.3.2
36.5%14.1%54.3%82%40.1%39.4%13.2%41.3%16.9%闭源是2026-06-30
52GPT-5.6 Terra (xhigh)OpenAI37.951,427.99
当前完整方法 v4.3.2
1,339.85
当前完整方法 v4.3.2
47.1%10.1%52.3%79%45.5%89%24.6%41.9%27.1%闭源是2026-07-09
53GPT-5.6 Luna (max)OpenAI37.321,442.97
当前完整方法 v4.3.2
1,346.1
当前完整方法 v4.3.2
50.2%11.6%53.6%83.7%42.7%92.6%24%39.5%20.6%闭源是2026-07-09
54GPT-5.5 (high)历史OpenAI36.981,309
当前完整方法 v4.3.2
1,089.67
当前完整方法 v4.3.2
44.3%9.1%56.1%84.3%57%89.1%22.6%45%25.4%闭源是2026-04-23
55Gemini 3.7 Flash (low)历史Google36.95*1,305.03
当前完整方法 v4.3.2
———55.7%78.7%53.6%67.7%—35.1%5.7%闭源是2026-08-13
56DeepSeek V4 Pro 0813 (max)DeepSeek361,441.25
当前完整方法 v4.3.2
1,261.37
当前完整方法 v4.3.2
56.7%14.1%51%80.3%49.1%94.8%11.4%41%18%开放是2026-08-13
57Agnes 3.0 FlashSapiens AI35.5*1,549.91
当前完整方法 v4.3.2
—50.7%7.1%51.6%81%25.5%48.4%10%38.5%15.1%闭源是2026-09-11
58Agnes 2.5 Pro BetaSapiens AI35.24*1,311.08
当前完整方法 v4.3.2
———48.8%83%16.8%32.8%—37.5%15.7%闭源是2026-08-26
59Grok 4.6 (low)SpaceXAI35.121,402.25
当前完整方法 v4.3.2
1,293.81
当前完整方法 v4.3.2
53.4%3%49.4%80.7%43.3%30.6%15.8%27.6%5.7%闭源是2026-08-12
60DeepSeek V4 Flash Vision (max)DeepSeek34.841,534.25
当前完整方法 v4.3.2
1,437.9
当前完整方法 v4.3.2
47.5%12.1%49.7%81.3%38.6%91.5%12%34.5%10.9%闭源是2026-08-21
61GPT-5.6 Luna (xhigh)OpenAI34.561,383.54
当前完整方法 v4.3.2
1,269.08
当前完整方法 v4.3.2
42.6%3.5%50.5%81.7%42.4%92.5%23.8%37%20.6%闭源是2026-07-09
62Kimi K3 (low)Kimi34.46*—983.2
当前完整方法 v4.3.2
49.3%12.6%52.7%79.3%45.8%77.1%18.6%25%3.1%开放是2026-07-16
63Claude Sonnet 5 (xhigh)Anthropic34.381,344.22
当前完整方法 v4.3.2
1,276.53
当前完整方法 v4.3.2
34.5%7.1%54.1%76.7%39%58.6%12.6%39%15.4%闭源是2026-06-30
64DeepSeek V4 Flash 0731 (max)历史DeepSeek34.331,426.4
当前完整方法 v4.3.2
1,260.52
当前完整方法 v4.3.2
54%12.1%50.3%79.7%40.4%91.7%11%38.6%16.6%开放是2026-07-31
65GPT-5.6 Terra (high)OpenAI34.241,362.38
当前完整方法 v4.3.2
1,202.86
当前完整方法 v4.3.2
42%1.5%52.4%77.7%45.5%89.8%20.8%38.5%22.9%闭源是2026-07-09
66Gemini 3.6 Flash历史Google33.981,264.47
当前完整方法 v4.3.2
949.05
当前完整方法 v4.3.2
53%7.1%53.4%80%50%55.6%17.4%40.8%10.6%闭源是2026-07-21
67GPT-5.5 (medium)历史OpenAI33.81,218.22
当前完整方法 v4.3.2
1,000
当前完整方法 v4.3.2
40.1%5.1%54.5%83%56.8%89.6%20.6%42.4%18.6%闭源是2026-04-23
68Muse Spark 1.1 (xhigh)历史Meta33.731,208.52
当前完整方法 v4.3.2
846.08
当前完整方法 v4.3.2
38.8%6.1%58.8%77.7%52%50%14.4%46.2%15.1%闭源是2026-07-09
69GLM-5.2 (max)历史Z AI33.711,357.35
当前完整方法 v4.3.2
1,234.18
当前完整方法 v4.3.2
28.4%1%51.2%78.3%24.3%26.3%10.4%41.1%20.9%开放是2026-06-16
70Qwen3.8 27B (xhigh)Alibaba33.71,408.77
当前完整方法 v4.3.2
1,404.2
当前完整方法 v4.3.2
48.2%5.6%46.6%82%15.6%30.3%16.6%33.9%5.4%开放是2026-08-14
71Gemini 3.5 Flash (medium)历史Google33.63*—871.62
当前完整方法 v4.3.2
———74.3%51%61.8%—41.3%10.9%闭源是2026-05-19
72Motif 3Motif Technologies33.57*————42.2%76%30.1%28.4%—37%6.6%开放是2026-08-12
73GPT-5.6 Sol (low)OpenAI33.471,289.35
当前完整方法 v4.3.2
1,042.55
当前完整方法 v4.3.2
41%1%56.4%78%57.2%89.4%21%39.4%14.9%闭源是2026-07-09
74Gemini 3.8 Flash (low)Google33.451,294.36
当前完整方法 v4.3.2
1,054.33
当前完整方法 v4.3.2
36.5%10.1%55%80.7%52.2%64.6%18.6%37.1%4%闭源是2026-09-02
75Gemini 3.5 Flash历史Google32.61,184.61
当前完整方法 v4.3.2
868.15
当前完整方法 v4.3.2
42.1%6.6%53.9%73.3%51.4%62.2%19.8%42.7%13.1%闭源是2026-05-19
76GPT-5.3 Codex (xhigh)OpenAI32.5*—864
当前完整方法 v4.3.2
———83.3%52.9%89.2%—42.5%16.9%闭源是2026-02-05
77Motif 3 (Beta)Motif Technologies32.31*1,086.03
当前完整方法 v4.3.2
————74.7%21%49.1%—40.4%6%闭源是2026-07-14
78GPT-5.6 Luna (high)OpenAI32.121,318.57
当前完整方法 v4.3.2
1,171.85
当前完整方法 v4.3.2
35.6%2.5%51.6%80.3%41.8%92.4%22.2%33.4%16.6%闭源是2026-07-09
79Claude Opus 4.6 (max)历史Anthropic31.95*—————78%47%62.8%—39.9%12.6%闭源是2026-02-05
80Claude Sonnet 5 (high)Anthropic31.661,245.51
当前完整方法 v4.3.2
1,177.17
当前完整方法 v4.3.2
32.1%5.1%54.3%76.7%37.4%65.7%9.4%35.7%15.1%闭源是2026-06-30
81Muse Spark历史Meta31.3*985.66
当前完整方法 v4.3.2
639.61
当前完整方法 v4.3.2
———78%49.6%84.2%—40.7%11.3%闭源是2026-04-08
82Claude Opus 4.7 (Non-reasoning, high)历史Anthropic30.93*—1,068
当前完整方法 v4.3.2
———75.7%44.7%54.1%—33.3%5.1%闭源否2026-04-16
83GPT-5.5 (low)历史OpenAI30.71*1,031.76
当前完整方法 v4.3.2
————81%54.9%88%—32.7%8%闭源是2026-04-23
84K2 Horizon 375B A23BInstitute of Foundation Models30.51,349.01
当前完整方法 v4.3.2
1,304.03
当前完整方法 v4.3.2
37.2%1.5%42.9%80%18.2%25.9%7.4%32%4.6%开放是2026-09-03
85DeepSeek V4 Pro (max)历史DeepSeek30.451,144.16
当前完整方法 v4.3.2
922.15
当前完整方法 v4.3.2
56.3%14.6%50.8%74.7%43%94.1%13.4%37.5%12.9%开放是2026-04-24
86GPT-5.2 (xhigh)历史OpenAI30.45*—————82.7%44.3%81.2%—37.7%11.6%闭源是2025-12-11
87Apodex 1.1Apodex30.37*1,188.39
当前完整方法 v4.3.2
———45.5%79.3%31.7%78.4%—34.1%4.6%闭源是2026-08-30
88DeepSeek V4 Pro (high)历史DeepSeek30.11*1,140.5
当前完整方法 v4.3.2
————70.3%41.4%88.7%—35.2%10%开放是2026-04-24
89GPT-5.6 Terra (medium)OpenAI30.091,254.42
当前完整方法 v4.3.2
1,040.82
当前完整方法 v4.3.2
33.5%1%50.5%74%44.6%89.8%17%33.3%17.4%闭源是2026-07-09
90Claude Sonnet 4.6 (max)历史Anthropic30.061,219.53
当前完整方法 v4.3.2
1,062.98
当前完整方法 v4.3.2
20.1%3%50.1%80%40.9%48.4%15.8%33.6%3.1%闭源是2026-02-17
91Gemini 3.1 Pro PreviewGoogle29.72775.72
当前完整方法 v4.3.2
448.87
当前完整方法 v4.3.2
35.4%4%58.7%82%54.9%50.9%17.8%47%17.7%闭源是2026-02-19
92Qwen3.7 Max历史Alibaba29.461,114.24
当前完整方法 v4.3.2
912.95
当前完整方法 v4.3.2
23%1.5%49.5%79%31.1%25.6%8.6%40.5%13.4%闭源是2026-05-19
93MiniMax-M3MiniMax29.221,229.88
当前完整方法 v4.3.2
1,093.13
当前完整方法 v4.3.2
21.3%2%47.1%83%16.7%18.4%9.8%39%3.7%开放是2026-06-01
94Claude Opus 4.5历史Anthropic29.1*—————77.3%46.6%61%—30.1%4.6%闭源是2025-11-24
95MiMo-V2-Pro历史Xiaomi28.64*—————68.3%26.6%30%—30.4%0.3%闭源是2026-03-18
96GPT-5.2 Codex (xhigh)历史OpenAI28.5*—————82.3%41.1%73.4%—35.7%8.7%闭源是2025-12-11
97Qwen3.6 Max Preview历史Alibaba28.37*—————80.7%37.9%46.2%—30.8%3.7%闭源是2026-04-20
98GPT-5.6 Sol (Non-reasoning)OpenAI28.33*1,225.76
当前完整方法 v4.3.2
1,011.42
当前完整方法 v4.3.2
22.7%—47.7%62.3%48.7%92.8%15.2%16.7%5.1%闭源否2026-07-09
99Nex-N2-ProNex AGI28.2*1,091.11
当前完整方法 v4.3.2
935.48
当前完整方法 v4.3.2
17.6%—43.3%81.7%34.8%94.9%12.6%33.7%8.6%开放是2026-06-02
100Solar Pro 4Upstage28.15*——9.1%0.5%44.6%74%18.9%24.4%5.6%29.2%5.4%闭源是2026-08-06
101Claude Sonnet 5 (medium)Anthropic28.051,144.51
当前完整方法 v4.3.2
1,054.57
当前完整方法 v4.3.2
27.9%2%51.6%73.7%37.1%69.9%11.6%30%8.6%闭源是2026-06-30
102Gemini 3 Pro Preview (high)历史Google27.96*—————76%55.8%91.5%—39.7%9.1%闭源是2025-11-18
103GLM-5历史Z AI27.91*—————75.7%26.3%35.3%—29.3%2%开放是2026-02-11
104Inkling SmallThinking Machines27.78*—910.35
当前完整方法 v4.3.2
4.8%1%49.7%75.7%33.2%63%11.2%33.3%8.3%开放是2026-07-30
105GPT-5.4 (low)历史OpenAI27.58*—————76.7%47.9%82.6%—30.8%7.4%闭源是2026-03-05
106Qwen3.8 27B (medium)Alibaba27.551,368.31
当前完整方法 v4.3.2
1,382.87
当前完整方法 v4.3.2
40.3%5.1%39%79.7%18.4%66.7%12.8%14.1%0%开放是2026-08-14
107GPT-5.6 Terra (low)OpenAI27.51,095.8
当前完整方法 v4.3.2
1,013.76
当前完整方法 v4.3.2
29.1%1.5%49.9%71.3%43.7%89.9%17.6%29.2%9.4%闭源是2026-07-09
108JT-4.1 Flash 236B A21BChina Mobile27.29*1,114.08
当前完整方法 v4.3.2
————71.3%24.3%43.7%—17.8%0%闭源否2026-07-09
109Grok Build 0.1 0616历史SpaceXAI27.17*1,051.65
当前完整方法 v4.3.2
————74.7%51.5%93.1%—38.3%9.1%闭源是2026-06-16
110Qwen3.6 Plus历史Alibaba27.01*975.56
当前完整方法 v4.3.2
————78.3%26.4%34.6%—27.8%2.9%闭源是2026-04-02
111Kimi K2.6历史Kimi26.981,025.99
当前完整方法 v4.3.2
815.15
当前完整方法 v4.3.2
13%0.5%51.5%81%32.6%40.5%13%37.5%8%开放是2026-04-20
112Agnes 2.5 Pro AlphaSapiens AI26.77*—1,198.37
当前完整方法 v4.3.2
38.4%3%42.9%75.7%33.5%88.1%9%33.6%10.9%开放是2026-07-24
113Quasar 438B (max)Multiverse Computing26.741,161.4
当前完整方法 v4.3.2
1,123.3
当前完整方法 v4.3.2
23.9%1%48.1%76.3%15.5%21.4%5.4%18.7%9.4%闭源是2026-08-10
114GLM-5-Turbo历史Z AI26.6*—————71.7%28.4%62.6%—27.8%0.3%闭源是2026-03-15
115GPT-5.2 (medium)历史OpenAI26.5*—————70.3%38.3%61.6%—26.7%7.9%闭源是2025-12-11
116Claude Opus 4.6 (Non-reasoning, high)历史Anthropic26.35*—————67%45.8%80.1%—19.1%2.8%闭源否2026-02-05
117Gemini 3 Flash历史Google26.33*—————78%53.4%93%—36.6%8.6%闭源是2025-12-17
118Qwen3.8 27B (low)Alibaba26.21,341.4
当前完整方法 v4.3.2
1,280.56
当前完整方法 v4.3.2
30.1%2.5%40%77.3%17.1%52.9%10.4%14%0%开放是2026-08-14
119GLM-5.1历史Z AI26.061,103.14
当前完整方法 v4.3.2
964.77
当前完整方法 v4.3.2
20.3%2%44.8%73.7%23.7%29.9%8.4%30.1%4.6%开放是2026-04-07
120GPT-5.5 Instant (June 2026)OpenAI26.01496.5
当前完整方法 v4.3.2
1,084.38
当前完整方法 v4.3.2
36.4%12.6%52.5%70%44.4%73.3%20.2%19.9%0%闭源是2026-06-25
121DeepSeek V4 Flash (high)历史DeepSeek26.01*—1,049.22
当前完整方法 v4.3.2
28.5%3%40.2%72%34.9%89%10.4%30.3%3.4%开放是2026-04-24
122MiMo-V2.5-ProXiaomi25.991,106.98
当前完整方法 v4.3.2
880.14
当前完整方法 v4.3.2
13.7%0%50.6%79.7%22.4%24.7%4%35.7%4%开放是2026-04-22
123Kimi K2.7 CodeKimi25.811,024.74
当前完整方法 v4.3.2
854.25
当前完整方法 v4.3.2
24.5%1%47.8%79.3%39.6%82.4%11.2%35%10%开放是2026-06-12
124Grok 4.20 0309 v2历史SpaceXAI25.66*—————69%27.5%17.4%—34.5%6.6%闭源是2026-04-07
125K2 Horizon MoVA 36B A4BInstitute of Foundation Models25.31,181.1
当前完整方法 v4.3.2
1,171.78
当前完整方法 v4.3.2
26.1%0%40%71.7%15%30.5%4.2%23.4%2.3%开放是2026-09-03
126Hy3Tencent25.31,044.74
当前完整方法 v4.3.2
946.66
当前完整方法 v4.3.2
18.4%0.5%48.6%79%32%74.1%11.2%33.5%4.9%开放是2026-07-06
127Grok 4.20 0309历史SpaceXAI25.22*—————67.7%28.9%22.4%—32.4%6%闭源是2026-03-10
128MiMo-V2.5Xiaomi25.17*986.31
当前完整方法 v4.3.2
748.71
当前完整方法 v4.3.2
18.4%0%43.9%73%16.8%31.9%—27.2%3.7%开放是2026-04-22
129Qwen3.7 PlusAlibaba25.16756.5
当前完整方法 v4.3.2
911.51
当前完整方法 v4.3.2
17.4%1%46.1%73%22.5%27.7%12.2%35.6%9.1%闭源是2026-06-01
130MiMo-V2-Omni-0327历史Xiaomi25.12*—————73.3%17.8%40.1%—22.6%0.9%闭源是2026-03-27
131GPT-5.6 Luna (medium)OpenAI25.041,112.01
当前完整方法 v4.3.2
931.57
当前完整方法 v4.3.2
23.1%0.5%46.8%75%40.7%90.9%15.2%25.8%4.9%闭源是2026-07-09
132InklingThinking Machines24.981,063.21
当前完整方法 v4.3.2
829.33
当前完整方法 v4.3.2
5%1%47%77.3%41.5%67.7%12.8%31.9%5.4%开放是2026-07-15
133Ling 3.0 FlashInclusionAI24.94*—796.56
当前完整方法 v4.3.2
3.2%0%42%73%18.2%44.1%5.4%23.7%1.7%开放是2026-08-04
134GPT-5 Codex (high)历史OpenAI24.88*—————71.7%38.7%75.4%—27.8%5.1%闭源是2025-09-23
135Grok 4.3 (high)历史SpaceXAI24.88922.84
当前完整方法 v4.3.2
757.25
当前完整方法 v4.3.2
1.4%0%48.3%73%34.8%25.8%5.8%37.2%8%闭源是2026-04-30
136Grok 4.3 (medium)历史SpaceXAI24.78*—————75%28.8%16.9%—30%4.9%闭源是2026-04-30
137Solar Open2 250BUpstage24.74*————48%71.7%18.8%25.4%—28.5%5.7%开放是2026-08-12
138GPT-5.1 (high)历史OpenAI24.74*812.51
当前完整方法 v4.3.2
————80%37.7%51.9%—28.5%4.9%闭源是2025-11-13
139Claude Sonnet 4.6 (Non-reasoning, high)历史Anthropic24.69*—————68.3%38.6%68.5%—13.3%0.9%闭源否2026-02-17
140Ling-3.0-flash-VLInclusionAI24.571,149.66
当前完整方法 v4.3.2
983.96
当前完整方法 v4.3.2
15.7%0%44.2%78.3%14.3%22%8.4%22%2%开放是2026-09-10
141Grok 4.3 (low)历史SpaceXAI24.3*—————74%26.7%17.4%—18.4%0.6%闭源是2026-04-30
142Claude Sonnet 5 (low)Anthropic24.261,058.27
当前完整方法 v4.3.2
921.41
当前完整方法 v4.3.2
19.9%2.5%50.1%67.3%37.4%72.8%9.4%21.9%4.6%闭源是2026-06-30
143GLM-5.1 (Non-reasoning)历史Z AI24.24*—————53.3%25.2%63.6%—27.9%0%开放否2026-04-07
144DeepSeek V4 Flash (max)历史DeepSeek24.171,022.68
当前完整方法 v4.3.2
833.88
当前完整方法 v4.3.2
28%2.5%45.3%74.3%36.8%96.1%10.8%34.8%7.1%开放是2026-04-24
145GPT-5.4 mini (xhigh)历史OpenAI24.071,000.24
当前完整方法 v4.3.2
714.03
当前完整方法 v4.3.2
26.2%2%52.1%77%37.5%90.2%13.4%28.1%10%闭源是2026-03-17
146MiMo-V2-Omni历史Xiaomi23.92*—————75%19.3%48.9%—22.1%1.1%闭源是2026-03-19
147Gemini 3.5 Flash (minimal)历史Google23.85*—————61.3%43%74.3%—24.1%1.4%闭源否2026-05-19
148GPT-5.1 Codex (high)历史OpenAI23.7*—————69.3%39.9%77.2%—25.7%5.7%闭源是2025-11-13
149Claude Opus 4.5 (Non-reasoning)历史Anthropic23.68*—————70.7%40.9%76.2%—13.2%0.3%闭源否2025-11-24
150Kimi K2.6 (Non-reasoning)历史Kimi23.57*—————69.7%24.3%44.2%—19.6%1.4%开放否2026-04-20
151GLM 5V Turbo历史Z AI23.5*—————70.3%29.3%68.8%—17.1%0.6%闭源是2026-04-01
152Kimi K2.5历史Kimi23.46*824.86
当前完整方法 v4.3.2
————78%35.2%65.7%—30.7%3.1%开放是2026-01-27
153Claude Sonnet 4.6 (Non-reasoning, low)历史Anthropic23.3*—————69.3%36.5%60.8%—11.2%0.9%闭源否2026-02-17
154Claude Sonnet 5 (Non-reasoning)Anthropic23.2*1,199.86
当前完整方法 v4.3.2
————70%33.8%52%—19%1.1%闭源否2026-06-30
155GPT-5.5 (Non-reasoning)历史OpenAI23.17*956.92
当前完整方法 v4.3.2
————64%45.6%92.7%—13.7%1.4%闭源否2026-04-23
156GPT-5 (high)历史OpenAI22.98*905
当前完整方法 v4.3.2
————78.2%40.3%82.2%—28.5%5.7%闭源是2025-08-07
157Nemotron 3 UltraNVIDIA22.931,000.46
当前完整方法 v4.3.2
873.67
当前完整方法 v4.3.2
3%0.5%40.3%79.3%22.6%29.7%5%28.4%3.1%开放是2026-06-04
158Qwen3.5 27B历史Alibaba22.9*—————77.7%20.7%81.5%—23.9%0.9%开放是2026-02-24
159GPT-5 (medium)历史OpenAI22.87*—————76%39.5%83.2%—25.4%0%闭源是2025-08-07
160MiniMax-M2.5历史MiniMax22.8*—————73.3%26.2%88.1%—20.5%1.1%开放是2026-02-12
161MiniMax-M2.7历史MiniMax22.76998.56
当前完整方法 v4.3.2
712.67
当前完整方法 v4.3.2
4.4%0%50.1%78.3%26.8%35.6%6%29.6%0.6%开放是2026-03-18
162Hy3-preview历史Tencent22.74*—————64.7%27.9%87.4%—27.8%4.6%开放是2026-04-23
163A.X-K2SK Telecom22.7*————41%70%18.6%33%—29.6%8.9%开放是2026-08-12
164GPT-5.5 Instant (May 2026)历史OpenAI22.69*—————66.3%46.3%65.3%—21.6%2.6%闭源是2026-05-05
165Ling-3.0-flash-FinInclusionAI22.61,092.68
当前完整方法 v4.3.2
963.24
当前完整方法 v4.3.2
7.4%0%42.4%73.7%17.9%39.5%5.4%22.6%2.6%开放是2026-09-11
166Grok 4历史SpaceXAI22.49*—————68%40.5%64.5%—26.7%2%闭源是2025-07-10
167MiMo-V2-Flash (Feb 2026)Xiaomi22.44*—————71.3%19.8%48.4%—22.1%2.9%开放是2025-12-16
168GLM-5.2 (Non-reasoning)历史Z AI22.43*1,232.78
当前完整方法 v4.3.2
————42.3%20.3%33.7%—9.8%3.1%开放否2026-06-16
169Qwen3.8 27BAlibaba22.42*1,052.02
当前完整方法 v4.3.2
894.98
当前完整方法 v4.3.2
12.4%0%36.2%69.3%8.6%18.1%—12.1%0.3%开放否2026-08-14
170Gemini 3 Pro Preview (low)历史Google22.32*—————74%48.3%90%—29.5%0%闭源是2025-11-18
171GLM-4.7历史Z AI22.24*1,000
当前完整方法 v4.3.2
————71%29.3%93%—27.4%1.7%开放是2025-12-22
172Gemini 3.5 Flash-LiteGoogle22.17969.79
当前完整方法 v4.3.2
642.12
当前完整方法 v4.3.2
25%1%41.3%76%29.5%34.4%13.6%18.8%0%闭源是2026-07-21
173Kimi K2 Thinking历史Kimi22.02*—————72%30.9%75.6%—23.8%2.6%开放是2025-11-06
174G9v3-39A5BAI9Stars21.83*————36.8%65.3%14.9%13%—17.5%0.3%开放是2026-08-20
175GLM-5 (Non-reasoning)历史Z AI21.78*—————43.7%23.1%45.3%—7.6%0%开放否2026-02-11
176KAT-Coder-Pro V2KwaiKAT21.7*719.46
当前完整方法 v4.3.2
————73%21.5%56%—16.1%0%闭源否2026-03-27
177DeepSeek V3.2历史DeepSeek21.49*680.55
当前完整方法 v4.3.2
————73.3%33%82.7%—24.6%2.9%开放是2025-12-01
178Qwen3.5 397B A17B (Non-reasoning)Alibaba21.44*—————64.3%24.5%82.7%—19.8%0.9%开放否2026-02-16
179Qwen3.6 27B历史Alibaba21.43973.35
当前完整方法 v4.3.2
812.22
当前完整方法 v4.3.2
11%0%42.8%77.3%19.6%49.3%11%23.1%1.1%开放是2026-04-22
180Qwen3 Max Thinking历史Alibaba21.26*—————74.3%29.8%94.7%—28%1.7%闭源是2026-01-26
181GPT-5.6 Luna (low)OpenAI21.01981.09
当前完整方法 v4.3.2
738.31
当前完整方法 v4.3.2
11.7%0%46.1%70%39.6%89.9%14.2%19.8%2.6%闭源是2026-07-09
182MiniMax-M2.1历史MiniMax20.95*—————67.7%21.2%68.5%—23.2%0.3%开放是2025-12-23
183DeepSeek V4 Pro (Non-reasoning)历史DeepSeek20.83*—————53%30.9%87.8%—8.2%0.9%开放否2026-04-24
184MiMo-V2-Flash历史Xiaomi20.82*—————70.7%24.8%93.4%—22.8%4.3%开放是2025-12-16
185GPT-5 (low)历史OpenAI20.79*——————38.1%79%—19.6%1.1%闭源是2025-08-07
186GPT-5.6 Terra (Non-reasoning)OpenAI20.781,084.44
当前完整方法 v4.3.2
945.58
当前完整方法 v4.3.2
12.5%0.5%45.1%58.7%36.8%95%11.2%11.4%2%闭源否2026-07-09
187GPT-5.4 nano (xhigh)历史OpenAI20.72936.25
当前完整方法 v4.3.2
665.9
当前完整方法 v4.3.2
6%0.5%47.2%76.7%25.7%74.2%7.8%28.3%9.3%闭源是2026-03-17
188Claude 4.5 Sonnet历史Anthropic20.67892.65
当前完整方法 v4.3.2
708.59
当前完整方法 v4.3.2
14.1%0%45.7%72.3%32.9%49.1%5.2%17.8%1.1%闭源是2025-09-29
189GPT-5 mini (medium)历史OpenAI20.6*—————72.3%23.1%44.3%—15.9%1.4%闭源是2025-08-07
190K2 Horizon 7BInstitute of Foundation Models20.61,011.09
当前完整方法 v4.3.2
1,018.85
当前完整方法 v4.3.2
20.9%1%27.5%69.7%12.8%33.6%3.2%18.2%0.3%开放是2026-09-03
191Qwen3.5 Omni PlusAlibaba20.38*—————63.7%17.4%37%—14.9%0.6%闭源否2026-03-30
192GPT-5.1 Codex mini (high)历史OpenAI20.38*—————66.7%23.2%51.6%—18.5%0%闭源是2025-11-13
193Grok 4.1 Fast历史SpaceXAI20.37*—————74%25.1%73.4%—19.3%2.9%闭源是2025-11-19
194o3OpenAI20.2*—————74.7%38.6%88.1%—20.1%1.1%闭源是2025-04-16
195GPT-5.4 nano历史OpenAI20.01*—————67.3%21.9%51.1%—15.9%5.1%闭源是2026-03-17
196Qwen3.6 27B (Non-reasoning)历史Alibaba19.83*949.35
当前完整方法 v4.3.2
————66.7%16.7%84%—15.1%0.9%开放否2026-04-22
197GPT-5.4 mini (medium)历史OpenAI19.75*—————67%36.5%89.8%—18.6%2.9%闭源是2026-03-17
198K-EXAONE 2.0LG AI Research19.69*————42%60%13.1%22.6%—18.6%0.9%开放是2026-08-12
199Step 3.7 FlashStepFun19.48*844.74
当前完整方法 v4.3.2
———43.9%73.7%25.8%85%—21.4%2.3%开放是2026-05-29
200Kimi K2.5 (Non-reasoning)历史Kimi19.43*—————67.3%24.1%50%—13.2%0.6%开放否2026-01-27
201Qwen3.5 27B (Non-reasoning)历史Alibaba19.37*—————64%15.7%75.1%—13.9%0.3%开放否2026-02-24
202Claude 4.5 Sonnet (Non-reasoning)历史Anthropic19.34*—————54%28.4%52.7%—7.2%0%闭源否2025-09-29
203Qwen3.5 35B A3B历史Alibaba19.33*—————72%20.1%85.4%—21%0.9%开放是2026-02-24
204LongCat 2.0LongCat19.11855.5
当前完整方法 v4.3.2
735.21
当前完整方法 v4.3.2
4.5%0%36.3%65%29.6%75.4%6.4%33.7%2.6%开放是2026-06-29
205Gemma 4 31BGoogle18.98*606.11
当前完整方法 v4.3.2
361.97
当前完整方法 v4.3.2
4.9%0%45.5%69.7%20%85%—23.6%1.4%开放是2026-04-02
206Claude 4 Sonnet历史Anthropic18.92*679.66
当前完整方法 v4.3.2
————70.3%22.7%29.1%—10.7%0.3%闭源是2025-05-22
207DeepSeek V4 Flash (Non-reasoning)历史DeepSeek18.88*—————41.7%26%94.5%—7.8%0.3%开放否2026-04-24
208JT-35B-FlashChina Mobile18.66*—————65.7%24.2%63.8%—6.4%0%闭源否2026-05-14
209MiniMax-M2历史MiniMax18.63*—————64.3%23.2%90.9%—13.7%0.9%开放是2025-10-26
210KAT-Coder-Pro V1历史KwaiKAT18.59*718.27
当前完整方法 v4.3.2
595.11
当前完整方法 v4.3.2
———38.7%17.7%67.4%—33.6%0%闭源否2025-11-11
211GLM-4.6历史Z AI18.53*745.94
当前完整方法 v4.3.2
————54%26.9%94.1%—14.5%1.1%开放是2025-09-30
212Qwen3.5 397B A17BAlibaba18.42779.31
当前完整方法 v4.3.2
555.22
当前完整方法 v4.3.2
6.9%0%44.8%77.3%30.8%88.9%12.2%29%1.7%开放是2026-02-16
213MiMo-V2.5-Pro (Non-reasoning)Xiaomi18.29*—————41.7%27.2%89.2%—14.8%1.1%开放否2026-04-22
214Qwen3.6 35B A3BAlibaba18.23878.94
当前完整方法 v4.3.2
708.5
当前完整方法 v4.3.2
5.2%0%36.6%71.7%18.8%50.5%6.6%22.2%0.3%开放是2026-04-16
215GPT-5.4 (Non-reasoning)历史OpenAI18.16*—————58.3%37.4%84.7%—11.3%0.6%闭源否2026-03-05
216Grok 4 Fast历史SpaceXAI17.94*—————73.7%22.8%68.3%—19.1%2.9%闭源是2025-09-19
217Gemini 3 Flash (Non-reasoning)历史Google17.93*—————55.3%45.8%92.4%—15%1.4%闭源否2025-12-17
218Qwen3.5 122B A10B (Non-reasoning)Alibaba17.75*694.85
当前完整方法 v4.3.2
————61.3%19.1%91.6%—15.9%0.9%开放否2026-02-24
219Claude 3.7 Sonnet历史Anthropic17.71*——————28%40%—9.7%0.9%闭源是2025-02-24
220Muse Glimmer (high)Meta17.48774.24
当前完整方法 v4.3.2
490.19
当前完整方法 v4.3.2
6.8%0.5%44.9%83.3%27%81.9%10%22%2.6%开放是2026-08-10
221GLM-4.7 (Non-reasoning)历史Z AI17.36*—————40.7%23.6%92.9%—6.4%0%开放否2025-12-22
222Hy3-preview (Non-reasoning)历史Tencent17.04*—————42%23.2%75.7%—7%0.3%开放否2026-04-23
223Ling-2.6-1T历史InclusionAI17*—————41.7%21.9%92.8%—8.7%0.3%开放否2026-04-23
224GPT-5.2 (Non-reasoning)历史OpenAI16.98*—————45.7%30.9%62.3%—8%0.6%闭源否2025-12-11
225Step 3.5 Flash 2603历史StepFun16.96*—————63%24.6%91.3%—24.5%2.3%闭源是2026-04-02
226Doubao Seed CodeByteDance Seed16.95*—————71.7%24.9%80%—14.1%0.3%闭源是2025-11-11
227Claude 4.5 HaikuAnthropic16.88718.67
当前完整方法 v4.3.2
610.76
当前完整方法 v4.3.2
3.2%0%42.2%74.3%18%27.3%3.8%10.4%0%闭源是2025-10-15
228GPT-5 mini (high)历史OpenAI16.77753.41
当前完整方法 v4.3.2
424.24
当前完整方法 v4.3.2
6.5%0%39%72.3%25%56.4%8.4%21.5%0%闭源是2025-08-07
229Gemma 4 26B A4BGoogle16.67*553.02
当前完整方法 v4.3.2
———40%65.7%19.1%86.4%—19.3%0%开放是2026-04-02
230o4-mini (high)历史OpenAI16.65*—————61%24.8%80.5%—16.5%0.6%闭源是2025-04-16
231Ring-2.6-1TInclusionAI16.62733.92
当前完整方法 v4.3.2
652.61
当前完整方法 v4.3.2
0.7%0.5%45%70%25.7%85.3%3.8%21.6%3.7%开放是2026-05-08
232Step 3.5 Flash历史StepFun16.62*—————50%23.6%85.7%—21.1%2.5%开放是2026-02-02
233Claude 4 Sonnet (Non-reasoning)历史Anthropic16.61*—————44%22.7%41%—4.3%1.1%闭源否2025-05-22
234DeepSeek V3.2 Exp历史DeepSeek16.58*—————72.3%27.6%80.8%—14.9%1.4%开放是2025-09-29
235Qwen3 Max Thinking (Preview)历史Alibaba16.29*—————62%27.4%91.5%—12.7%0%闭源是2025-11-03
236Gemini 2.5 Pro历史Google16.08443.72
当前完整方法 v4.3.2
297.88
当前完整方法 v4.3.2
2.2%0%46.3%69%39.1%90.9%10.2%22.5%2.6%闭源是2025-06-05
237MiMo-V2-Flash (Non-reasoning)历史Xiaomi16.05*614.24
当前完整方法 v4.3.2
————36.3%15.6%76%—8.6%0%开放否2025-12-16
238DeepSeek V3.2 (Non-reasoning)历史DeepSeek16.04*—————45.7%24%93.3%—11.2%0.9%开放否2025-12-01
239K2 Horizon 3.7BInstitute of Foundation Models15.61864.35
当前完整方法 v4.3.2
788.36
当前完整方法 v4.3.2
14.7%0%22%62.3%10.8%44.1%3.2%13.9%0%开放是2026-09-03
240Qwen3 Max历史Alibaba15.61*—————50%24.4%89.9%—11.9%0%闭源否2025-09-23
241Qwen3.5 122B A10BAlibaba15.57801.69
当前完整方法 v4.3.2
488.99
当前完整方法 v4.3.2
5.5%0%39.7%76.3%24.4%87.1%3.4%25.2%0.6%开放是2026-02-24
242Gemini 3.1 Flash-Lite历史Google15.55416.08
当前完整方法 v4.3.2
203.5
当前完整方法 v4.3.2
6.8%0.5%43.4%74.3%36.3%82.7%7.8%17.2%1.1%闭源是2026-03-03
243GPT-5.6 Luna (Non-reasoning)OpenAI15.53905.99
当前完整方法 v4.3.2
701.78
当前完整方法 v4.3.2
5%1%40.4%42.7%28.6%75%6%7.2%0.3%闭源否2026-07-09
244Gemini 2.5 Flash (Sep)历史Google15.47*—————71%28.3%89.9%—13.8%0.3%闭源是2025-09-25
245Claude 4.5 Haiku (Non-reasoning)Anthropic15.41*—————49.7%14.4%25.7%—4.2%0%闭源否2025-10-15
246Kimi K2 0905历史Kimi15.29*—————53%25.4%69.7%—6.4%0%开放否2025-09-05
247Ling 3.0 TinyInclusionAI15.29*—471.09
当前完整方法 v4.3.2
0.3%0%24.2%60.3%8.5%30.5%0.8%9.3%0%开放是2026-08-06
248Claude 3.7 Sonnet (Non-reasoning)历史Anthropic15.27*—————51.7%28.2%52.8%—4.2%0%闭源否2025-02-24
249Qwen3.6 35B A3B (Non-reasoning)Alibaba15.23*837.08
当前完整方法 v4.3.2
————64.3%16.7%92.1%—13.9%0%开放否2026-04-16
250o1历史OpenAI15.23*—————65%34.5%69.6%—7%0.3%闭源是2024-12-05
251Qwen3.5 35B A3B (Non-reasoning)历史Alibaba15.12*594.57
当前完整方法 v4.3.2
————63%15.7%93.4%—13.4%0.6%开放否2026-02-24
252GLM-4.6 (Non-reasoning)历史Z AI14.93*—————26.3%21.4%67.6%—5.5%0%开放否2025-09-30
253GLM-4.7-Flash历史Z AI14.87*—————41.7%16.2%93.9%—7.6%0.3%开放是2026-01-19
254Granite 4.2 30BIBM14.83*563.61
当前完整方法 v4.3.2
———37.8%49%10.1%25.6%1.8%11.2%0.3%开放是2026-08-25
255DeepSeek V3.1 Terminus历史DeepSeek14.76697.98
当前完整方法 v4.3.2
451.51
当前完整方法 v4.3.2
2.7%0%38%69.3%27.7%74.8%5.4%16.4%1.7%开放是2025-09-22
256Grok 3 mini Reasoning (high)历史SpaceXAI14.62*—————55.3%15.1%25.8%—11%0.6%闭源是2025-02-19
257Grok 4.20 0309 (Non-reasoning)历史SpaceXAI14.61*—————25.3%26.1%92.8%—24.5%0%闭源否2026-03-10
258DeepSeek V3.2 Speciale历史DeepSeek14.46*—————70%37.8%89.2%—28.7%7.4%开放是2025-12-01
259K-EXAONE历史LG AI Research14.37*356.62
当前完整方法 v4.3.2
————61.3%16.4%88.8%—13.9%1.1%开放是2025-12-31
260ERNIE 5.0 Thinking PreviewBaidu14.26*——————22.1%87%—13.3%1.4%闭源是2025-11-13
261Grok 4.20 0309 v2 (Non-reasoning)历史SpaceXAI14.2*—————23.3%26.7%97.3%—27.9%0.3%闭源否2026-04-07
262Mistral Medium 3.5Mistral14.19747.19
当前完整方法 v4.3.2
514.91
当前完整方法 v4.3.2
6.3%0%40.2%69.3%24.7%81.6%2.8%13.8%0%开放是2026-04-29
263Gemma 4 12BGoogle14.18*413.04
当前完整方法 v4.3.2
————63.7%15.6%81%—15.7%0%开放是2026-06-03
264Nova 2.0 Pro Preview (medium)Amazon14.16*456.16
当前完整方法 v4.3.2
————64%22%91%—9.4%0%闭源是2025-11-27
265Grok Code Fast 1历史SpaceXAI14.06*—————53%23.5%79.3%—8%0%闭源是2025-08-28
266Grok 4.3 (Non-reasoning)历史SpaceXAI13.99928.74
当前完整方法 v4.3.2
719.38
当前完整方法 v4.3.2
0.9%0%39.4%32.3%23.7%74.5%2.8%6.8%0%闭源否2026-04-30
267DeepSeek V3.1 Terminus (Non-reasoning)历史DeepSeek13.93*—————45.3%23.5%87.6%—8.7%0%开放否2025-09-22
268Gemma 4 31B (Non-reasoning)Google13.92*534.93
当前完整方法 v4.3.2
————46.7%16.6%81.9%—11.8%0%开放否2026-04-02
269DeepSeek V3.2 Exp (Non-reasoning)历史DeepSeek13.88*—————44.7%22.8%92.1%—9%1.4%开放否2025-09-29
270Apriel-v1.5-15B-Thinker历史ServiceNow13.82*—————21.3%16.4%85.3%—12.1%1.1%开放是2025-09-30
271Mercury 2Inception13.77*481.35
当前完整方法 v4.3.2
260.61
当前完整方法 v4.3.2
1.7%0%37.7%43.7%21.2%91.2%—17.1%0.8%闭源是2026-02-20
272DeepSeek V3.1 (Non-reasoning)历史DeepSeek13.71*—————47%23.1%85.7%—6.7%0%开放否2025-08-21
273Qwen3.5 9BAlibaba13.65*406.8
当前完整方法 v4.3.2
————70%16.4%83.6%—14.9%0.3%开放是2026-03-02
274Nova 2.0 Omni (medium)Amazon13.65*—————59.7%17.7%93.3%—7%0%闭源是2025-11-26
275DeepSeek V3.1历史DeepSeek13.48*—————56.7%29%82.5%—14.3%2%开放是2025-08-21
276Qwen3 VL 235B A22B (Reasoning)历史Alibaba13.44*—————63.7%20.8%85.2%—11.9%0%开放是2025-09-23
277Apriel-v1.6-15B-ThinkerServiceNow13.4*——————17%91.9%—10.8%0.3%开放是2025-11-25
278Nova 2.0 Lite (high)Amazon13.37*353.54
当前完整方法 v4.3.2
————60.3%19%91.4%—11.6%0.3%闭源是2025-10-29
279GPT-5.1 (Non-reasoning)历史OpenAI13.31*—————45%29.5%90.6%—5.3%0%闭源否2025-11-13
280Qwen3.5 9B (Non-reasoning)Alibaba13.27*—————46%14%98.4%—9.4%0.6%开放否2026-03-02
281EXAONE 4.5 33BLG AI Research13.21*457.46
当前完整方法 v4.3.2
————54.7%16.2%79.9%—12.9%0.3%开放是2026-04-09
282Command A+Cohere13.13500.08
当前完整方法 v4.3.2
350.26
当前完整方法 v4.3.2
1.8%0.5%38.5%52.7%8.9%14.2%1%12%0.3%开放是2026-05-20
283Gemma 4 26B A4B (Non-reasoning)Google13.13*—————42.3%15.5%92.1%—11.5%0%开放否2026-04-02
284Qwen3.5 4BAlibaba13.12*—————63%15.1%86.6%—9.9%0%开放是2026-03-02
285DeepSeek R1 0528历史DeepSeek13.12*—————55.7%30.5%83.4%—15.8%1.4%开放是2025-05-28
286Gemini 2.5 Flash历史Google13.11*—————65.3%25.9%75.3%—12.1%1.1%闭源是2025-05-20
287GPT-5 nano (high)历史OpenAI12.99*—————45%19.1%59%—9.5%0%闭源是2025-08-07
288Nemotron 3.5 LightningNVIDIA12.86623.48
当前完整方法 v4.3.2
500.45
当前完整方法 v4.3.2
0.8%0.5%32.1%60.3%14.4%37.6%3%10.6%0%开放是2026-08-11
289Nemotron 3 SuperNVIDIA12.83477.36
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
3.8%0%36.2%65.7%24.3%87%2.6%20.8%3.1%开放是2026-03-11
290Nova 2.0 Pro Preview (low)Amazon12.78*422.65
当前完整方法 v4.3.2
————64.7%17.1%69.5%—5.2%0%闭源是2025-11-27
291GLM-4.5历史Z AI12.77*—————52.7%25.1%70.1%—13%0%开放是2025-07-28
292Kimi K2历史Kimi12.72*—————53%27.4%76.6%—7.4%0%开放否2025-07-11
293Qwen3 235B A22B 2507历史Alibaba12.71301.93
当前完整方法 v4.3.2
167.92
当前完整方法 v4.3.2
2.2%0%41.4%72%22.8%89.8%4.8%15.9%0%开放是2025-07-25
294GPT-4.1历史OpenAI12.69*—————68.3%27.8%93.3%—4.2%0%闭源否2025-04-14
295Qwen3 Max (Preview)历史Alibaba12.59*—————43%24.2%88.4%—10.1%0.9%闭源否2025-09-05
296Nova 2.0 Lite (medium)Amazon12.48*—————60%18.2%91.8%—9%0%闭源是2025-10-29
297GPT-5 nano (medium)历史OpenAI12.48*—————43.7%17.6%52.6%—8.7%0%闭源是2025-08-07
298Qwen3.5 Omni FlashAlibaba12.47*—————52%14.6%93.4%—7.6%0%闭源否2026-03-30
299MiniCPM5-2BOpenBMB12.46694.06
当前完整方法 v4.3.2
419.44
当前完整方法 v4.3.2
1.8%0%26.3%59.3%8.4%21.9%1.4%8.9%0.3%开放是2026-09-07
300Gemini 2.5 Flash (Sep) (Non-reasoning)历史Google12.38*—————60%26.8%91.2%—8.7%0%闭源否2025-09-25
301JT-MINIChina Mobile12.21*—————13%14.2%91.3%—6.4%0%闭源否2026-04-15
302Grok 3历史SpaceXAI12.11*—————58%28.9%87.3%—4.1%0%闭源否2025-02-19
303Seed-OSS-36B-Instruct历史ByteDance Seed12.1*—————61.3%18.2%86.4%—9.9%0%开放是2025-08-20
304Qwen3 235B 2507历史Alibaba12*—————33.9%18.7%77.2%—11.1%0%开放否2025-07-21
305Qwen3 Coder 480B历史Alibaba11.9*—————45.7%15.7%44.9%—4.5%0%开放否2025-07-22
306Qwen3 VL 32B (Reasoning)历史Alibaba11.87*—————55.3%17%83.7%—10.1%0%开放是2025-10-21
307Magistral Medium 1.2Mistral11.83*154.61
当前完整方法 v4.3.2
————53%20.8%60%—10.3%0.3%闭源是2025-09-18
308Nova 2.0 Lite (low)Amazon11.8*—————54.3%17.6%87.1%—4%0%闭源是2025-10-29
309HyperNova 60B 2605 (high)Multiverse Computing11.74*427.86
当前完整方法 v4.3.2
229.11
当前完整方法 v4.3.2
———36.3%15.2%82.3%—16.6%0.9%开放是2026-05-26
310MiniMax M1 80k历史MiniMax11.73*—————57.7%22.5%91.5%—8.9%0%开放是2025-06-17
311GPT-5.4 nano (Non-reasoning)历史OpenAI11.69*—————29.7%14.9%61.5%—4.1%0%闭源否2026-03-17
312Nemotron Cascade 2 30B A3BNVIDIA11.67*252.11
当前完整方法 v4.3.2
————39.3%18.3%85.4%—12%0.6%开放是2026-03-19
313gpt-oss-120b (high)OpenAI11.6595.63
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
0.2%0%34%52%21.8%90.8%4%19.6%1.1%开放是2025-08-05
314K2 Think V2Institute of Foundation Models11.5*117.27
当前完整方法 v4.3.2
4.41
当前完整方法 v4.3.2
———57%18%71.2%—10.1%0%开放是2025-12-15
315LongCat Flash LiteLongCat11.47*—————28.3%13.3%96.2%—5.8%0%开放否2026-01-28
316GPT-5 (minimal)历史OpenAI11.45*——————29.6%90.1%—6%0%闭源否2025-08-07
317DeepSeek R1 (Jan)历史DeepSeek11.41282.24
当前完整方法 v4.3.2
125.72
当前完整方法 v4.3.2
0.2%0%38.3%57.7%30.5%90.3%2.4%8.5%0.6%开放是2025-01-20
318HyperCLOVA X SEED Think (32B)Naver11.36*—————13.7%15.4%81.2%—5.5%0%开放是2025-12-26
319Grok 4.1 Fast (Non-reasoning)历史SpaceXAI11.28*—————31.3%17.2%82.3%—5.1%0%闭源否2025-11-19
320Mistral Small 4Mistral11.27349.34
当前完整方法 v4.3.2
237.37
当前完整方法 v4.3.2
1%0%38.8%49.7%21.7%66.5%0%9.9%0.3%开放是2026-03-16
321GLM-4.6V历史Z AI11.22*—————48.7%16.2%51.5%—9.6%0%开放是2025-12-08
322K-EXAONE (Non-reasoning)历史LG AI Research11.21*—————53.3%13.7%91.5%—5.7%0%开放否2025-12-31
323Qwen3 Next 80B A3B (Reasoning)Alibaba11.2*113.83
当前完整方法 v4.3.2
————63.7%19%87%—12.6%0%开放是2025-09-11
324GPT-5.4 mini (Non-reasoning)历史OpenAI11.14*577.04
当前完整方法 v4.3.2
————37%25.7%95.6%—5.9%0%闭源否2026-03-17
325Nova 2.0 Omni (low)Amazon11.11*—————57.7%18.6%84.7%——0%闭源是2025-11-26
326GLM-4.5-Air历史Z AI11.09*—————46.7%16.3%92.9%—7%0%开放是2025-07-28
327Granite 4.2 8BIBM11.08478.08
当前完整方法 v4.3.2
302.73
当前完整方法 v4.3.2
2.1%0%31.5%45%11.2%32%0.6%9.7%0.3%开放是2026-08-25
328Grok 4 Fast (Non-reasoning)历史SpaceXAI11.06*—————24%17.7%87.6%—4.5%0%闭源否2025-09-19
329Mi:dm K 2.5 ProKorea Telecom11.04*—————9%17.9%93.9%—8.1%0%闭源是2025-12-11
330o3-mini (high)历史OpenAI10.96218.37
当前完整方法 v4.3.2
138.12
当前完整方法 v4.3.2
0.5%0%42.8%43%21.3%81.1%2%12%0.3%闭源是2025-01-31
331Ring-1T历史InclusionAI10.9*—————54.7%20.5%89.8%—11.1%0.6%开放是2025-10-13
332G9v3-3BAI9Stars10.84*—————41.3%6.5%11.7%—4.5%0%开放是2026-07-23
333Trinity Large ThinkingArcee AI10.82323.51
当前完整方法 v4.3.2
251.3
当前完整方法 v4.3.2
1.3%0.5%40.6%38%22.5%85.9%1.2%15.8%0.9%开放是2026-04-01
334Qwen3.5 4B (Non-reasoning)Alibaba10.81*—————34.7%11.2%96.8%—8%0%开放否2026-03-02
335INTELLECT-3Prime Intellect10.61*—————39.7%19.6%87.6%—13.1%0.3%开放是2025-11-27
336GLM-4.7-Flash (Non-reasoning)历史Z AI10.56*—————20.3%13.1%94.3%—5%0%开放否2026-01-19
337Solar Open 100BUpstage10.36*—————41%18.5%89.6%—10.4%0%开放是2025-12-17
338Gemini 2.5 Flash-Lite (Sep)历史Google10.35*—————64.7%18%87.8%—7%0%闭源是2025-09-25
339Nemotron 3 Nano Omni 30B A3BNVIDIA10.25*215.73
当前完整方法 v4.3.2
————39.7%15.2%85.7%—4.8%0%开放是2026-04-29
340gpt-oss-120b (low)OpenAI10.21*159.77
当前完整方法 v4.3.2
————46%19.8%91.4%—5.9%0%开放是2025-08-05
341GPT-4.1 mini历史OpenAI10.16*255.89
当前完整方法 v4.3.2
————44%20.3%92.7%—5%0%闭源否2025-04-14
342Llama 4 MaverickMeta9.99*-290.79
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
0.2%0%31.7%50%24.9%88.9%—4.9%0%开放否2025-04-05
343Nova 2.0 Pro Preview (Non-reasoning)Amazon9.96*318.91
当前完整方法 v4.3.2
————30%16.9%79.9%—3.9%0%闭源否2025-11-27
344gpt-oss-20b (low)OpenAI9.95*—————31%15.1%86.7%—5.3%0%开放是2025-08-05
345Qwen3 VL 235B A22B历史Alibaba9.94*—————32.7%20.3%91.6%—6.6%0%开放否2025-09-23
346North Mini CodeCohere9.91298.53
当前完整方法 v4.3.2
207.51
当前完整方法 v4.3.2
1.5%0.5%38.8%37.3%18.9%83.2%1.8%11.1%0.3%开放是2026-06-09
347GPT-5 mini (minimal)历史OpenAI9.91*—————39.3%19.2%89.3%—5.1%0%闭源否2025-08-07
348K2-V2 (high)Institute of Foundation Models9.87*—————35%18.5%91%—10.5%0%开放是2025-12-05
349Gemini 2.5 Flash (Non-reasoning)历史Google9.85*—————49.9%26.1%93%—4.7%1.4%闭源否2025-05-20
350Qwen3 30B A3B 2507历史Alibaba9.8154.4
当前完整方法 v4.3.2
3.85
当前完整方法 v4.3.2
0.8%0%33%61.3%16.3%86.5%0.4%10.3%0.3%开放是2025-07-30
351DeepSeek V3 0324历史DeepSeek9.7256.21
当前完整方法 v4.3.2
66.19
当前完整方法 v4.3.2
0.3%0%39%40.7%24.3%85.9%1.6%4.7%0%开放否2025-03-25
352Ling 2.6 Flash历史InclusionAI9.68*306.38
当前完整方法 v4.3.2
————31.3%15.6%96.7%—6.3%0%开放否2026-04-21
353Qwen3 Next 80B A3BAlibaba9.64*—————52.7%17.3%92.7%—7.6%0%开放否2025-09-11
354Tri-21B-think Preview历史Trillion Labs9.59*—————21.7%10.1%80.5%—5.8%0%开放是2026-02-10
355Qwen3 Coder 30B A3B历史Alibaba9.59*—————32.7%16.4%80.3%—3.8%0%开放否2025-07-31
356DiffusionGemma 26B A4BGoogle9.51*307.64
当前完整方法 v4.3.2
————19.7%16.6%90.9%—10.8%0.3%开放是2026-06-10
357Qwen3 235B历史Alibaba9.5*—————0%18.5%77.6%—11%0%开放是2025-04-28
358Qwen3 VL 30B A3B (Reasoning)历史Alibaba9.45*——————16.9%89.8%—8.9%0%开放是2025-10-03
359Gemma 4 12B (Non-reasoning)Google9.38*—————35%11.9%73.4%—6.3%0%开放否2026-06-03
360Gemini 2.5 Flash-Lite (Sep) (Non-reasoning)历史Google9.34*—————49.7%14.1%66.1%—5.1%0%闭源否2025-09-25
361Mistral Large 3Mistral9.27406.22
当前完整方法 v4.3.2
224.35
当前完整方法 v4.3.2
1.5%0%36.6%36%24.9%86%1.2%4.2%0%开放否2025-12-02
362Qwen3 Coder NextAlibaba9.24501.06
当前完整方法 v4.3.2
399.77
当前完整方法 v4.3.2
1.1%0%36.2%47%16.2%93.7%2.6%10.1%0%开放否2026-02-03
363Motif-2-12.7BMotif Technologies9.19*—————14.7%15.2%90.6%—8.8%0%闭源是2025-12-04
364Mistral Medium 3.1历史Mistral9.18371.36
当前完整方法 v4.3.2
522.56
当前完整方法 v4.3.2
4.1%0%32.4%42.7%20.8%84.6%1.2%4.7%0%闭源否2025-08-12
365Ling-1T历史InclusionAI9.17*—————36.7%20.3%94.7%—7.3%0.6%开放否2025-10-08
366Nova PremierAmazon9.16*—————34.3%21.3%71.9%—4.2%0%闭源否2025-04-30
367Granite 4.2 3BIBM9.06188.08
当前完整方法 v4.3.2
94.63
当前完整方法 v4.3.2
0.4%0%25.3%24.3%9.2%26.3%0.2%6.6%0%开放是2026-08-25
368Magistral Medium 1历史Mistral9.05*—————0%20.3%59.3%—9.8%0.3%闭源是2025-06-10
369Mistral Medium 3历史Mistral9.05*—————31.3%18.3%60.9%—4%0%闭源否2025-05-07
370K2-V2 (medium)Institute of Foundation Models9.02*—————28%17.9%81.6%—4.4%0%开放是2025-12-05
371Llama Nemotron Super 49B v1.5NVIDIA9.01*——————17.2%78.2%—7.3%0%开放是2025-07-25
372Devstral Medium历史Mistral9.01*—————32%18.9%62.2%—3.8%0%闭源否2025-07-10
373Mistral Small 4 (Non-reasoning)Mistral8.99*—————28.3%16.6%78%—3.8%0.3%开放否2026-03-16
374Tri-21B-ThinkTrillion Labs8.99*—————15.7%12.3%85.4%—5.9%0.3%开放是2026-02-10
375gpt-oss-20b (high)OpenAI8.97326.43
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
0.2%0%38.9%34.7%16%94.1%2%11%1.4%开放是2025-08-05
376Gemini 2.0 Flash历史Google8.94*—————31.3%23.5%86.2%—4.3%0%闭源否2025-02-05
377Claude 3.5 Haiku历史Anthropic8.94*197.46
当前完整方法 v4.3.2
————27.3%13.2%41.1%—3.6%0%闭源否2024-10-22
378Llama 3.3 Nemotron Super 49B历史NVIDIA8.93*—————18.3%17.1%91%—5.6%0%开放是2025-03-18
379Gemma 4 E4BGoogle8.91*-50.58
当前完整方法 v4.3.2
————32%8.6%30.9%—3.8%0.6%开放是2026-04-03
380Nemotron 3 NanoNVIDIA8.9241.21
当前完整方法 v4.3.2
75.12
当前完整方法 v4.3.2
1%0%30.6%38%17.3%83.3%1%11.4%0.9%开放是2025-12-15
381Qwen3 4B 2507历史Alibaba8.8*—————37.3%12.5%83.2%—6.2%0%开放是2025-08-06
382MiniCPM5-1BOpenBMB8.8*—————6%2%17%—6.5%0%开放是2026-05-25
383Sarvam 105B (high)Sarvam8.79*—————0%17.6%93.4%—11%0%开放是2026-03-06
384Nova 2.0 Lite (Non-reasoning)Amazon8.74*—————18.7%14%85.9%—2.9%0%闭源否2025-10-29
385Devstral Small (May)历史Mistral8.74*—————32%15.9%86.4%—4%0%开放否2025-05-21
386MiniCPM5-1B (Non-reasoning)OpenBMB8.69*—————5%0.1%0.9%—4.5%0%开放否2026-05-25
387Devstral 2Mistral8.62530.83
当前完整方法 v4.3.2
471.79
当前完整方法 v4.3.2
3.1%0%32.8%32.3%20.8%85.3%2.4%3.6%0%开放否2025-12-09
388Magistral Small 1.2Mistral8.59*-10.35
当前完整方法 v4.3.2
—0.2%——19.3%13.5%90.8%—6.4%0.3%开放是2025-09-17
389Qwen3 32B历史Alibaba8.59*19.41
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
1%0%36%0%17.4%82.1%—7.4%0.3%开放是2025-04-28
390Gemini 2.5 Flash-Lite历史Google8.55*—————55.7%17.9%77.4%—6.8%0%闭源是2025-06-17
391DeepSeek V3 (Dec)历史DeepSeek8.49-44.17
当前完整方法 v4.3.2
74.1
当前完整方法 v4.3.2
0.6%0%35.8%29.3%25.4%90%0.8%2.9%0%开放否2024-12-26
392GPT-4o (Nov)历史OpenAI8.44*—————49.3%19.9%37.9%—2.4%0%闭源否2024-11-20
393Nanbeige4.1-3BNanbeige8.4*-420.25
当前完整方法 v4.3.2
————0%9.9%58.1%—10.9%0%开放是2026-02-11
394LFM2.5-2.6BLiquid AI8.39*-22.26
当前完整方法 v4.3.2
———14.4%5.7%4.3%16%—6.2%0%开放是2026-08-04
395Qwen3 VL 32B历史Alibaba8.39*——————14.8%91.8%—6.8%0%开放否2025-10-21
396GLM-4.6V (Non-reasoning)历史Z AI8.35*—————17%17.4%66.6%—3.7%0%开放否2025-12-08
397Qwen3 235B (Non-reasoning)历史Alibaba8.29*—————0%18.6%87.1%—4.2%0%开放否2025-04-28
398Mistral Small 3.2历史Mistral8.25*-211.73
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
0.3%0%28.6%20.3%14.8%76.8%—4.3%0%开放否2025-06-20
399Magistral Small 1历史Mistral8.22*—————0%18%76.1%—7.6%0%开放是2025-06-10
400EXAONE 4.0 32BLG AI Research8.18*——————13.9%85.8%—11.4%0%开放是2025-07-15
401Qwen3 VL 8B (Reasoning)历史Alibaba8.17*—————33.3%20.4%91.4%—3.8%0.3%开放是2025-10-14
402Qwen3 14B历史Alibaba8.15*-38.81
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
0.2%0%30.7%0%15.3%75.8%—4.5%0%开放是2025-04-28
403Nova 2.0 Omni (Non-reasoning)Amazon8.15*—————24.7%13.2%89.3%—3.8%0%闭源否2025-11-26
404DeepSeek R1 0528 Qwen3 8B历史DeepSeek8.08*—————15%12.2%86.4%—5.9%0%开放是2025-05-29
405Llama 4 ScoutMeta8.08*-178
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
0.2%0%21.3%27.7%15.2%79.4%—3.8%0%开放否2025-04-05
406Qwen3 VL 30B A3B历史Alibaba7.93*——————15.6%93.7%—6.3%0%开放否2025-10-03
407Hermes 4 70BNous Research7.91*—————9.7%23.5%95.4%—8.8%0%开放是2025-08-27
408DeepSeek R1 Distill Llama 70B历史DeepSeek7.89*—————10%19.2%81.1%—5.1%0%开放是2025-01-20
409Falcon-H1R-7BTII UAE7.83*—————11%14.5%88.8%—11%0.3%开放是2026-01-04
410GPT-4.1 nano历史OpenAI7.82*-228.36
当前完整方法 v4.3.2
————20.3%13.7%82.6%—3.8%0%闭源否2025-04-14
411Solar Pro 3历史Upstage7.82251.21
当前完整方法 v4.3.2
96.7
当前完整方法 v4.3.2
0.5%0%25.5%32.3%18.5%88.2%1.6%10.3%0%闭源是2026-04-06
412Ling-flash-2.0历史InclusionAI7.81*—————17.7%14.1%89.5%—6.2%0%开放否2025-09-17
413Gemma 4 E2BGoogle7.77*-203.48
当前完整方法 v4.3.2
————16.3%6.6%32.4%—4.8%0%开放是2026-04-02
414Qwen3 Omni 30B A3B (Reasoning)Alibaba7.76*—————0%14.6%89%—7.5%0%开放是2025-09-22
415GPT-4o (Aug)历史OpenAI7.74*—————41%23.7%58.4%—2.3%0%闭源否2024-08-06
416Qwen2.5 72B历史Alibaba7.73*——————17.5%85.5%—3.6%0%开放否2024-09-19
417Step3 VL 10BStepFun7.69*—————0%13.3%83.3%—10.8%0%开放是2026-01-20
418Llama 3.3 70BMeta7.66*-189.11
当前完整方法 v4.3.2
————15.7%18.9%90.2%—3.6%0%开放否2024-12-06
419Qwen3 30B历史Alibaba7.63*—————0%16.2%80.7%—6.2%0%开放是2025-04-28
420Devstral Small历史Mistral7.6*—————18.7%14.7%76.9%—3.8%0%开放否2025-07-10
421GLM-4.5V历史Z AI7.56*—————0%20.8%84.8%—6.3%0%开放是2025-08-11
422Mistral Large 2 (Nov)历史Mistral7.56*——————19.9%67.7%—3.3%0%开放否2024-11-18
423Devstral Small 2Mistral7.54515.75
当前完整方法 v4.3.2
486.06
当前完整方法 v4.3.2
3.1%0%32.4%28%15.8%87.3%1%3.5%0%开放否2025-12-09
424Llama Nemotron UltraNVIDIA7.53*——————20.1%81.2%—7.4%0%开放是2025-04-07
425Qwen3 30B A3B 2507 (Non-reasoning)历史Alibaba7.52*—————26.3%15%95.4%—6.9%0%开放否2025-07-29
426ERNIE 4.5 300B A47BBaidu7.5*——————19.1%66.9%—3.3%0%开放否2025-06-30
427Hermes 4 405BNous Research7.49*—————22.3%30.1%94.5%—10.9%0.3%开放是2025-08-27
428Solar Pro 2历史Upstage7.49*—————0%20%94.7%—7.4%0%闭源是2025-07-09
429NVIDIA Nemotron Nano 12B v2 VLNVIDIA7.48*—————41%14.6%92.3%—5.5%0%开放是2025-10-28
430Gemma 4 E4B (Non-reasoning)Google7.46*—————24%8.3%53.8%—4.8%0.3%开放否2026-04-03
431Granite 4.1 30B历史IBM7.44*175.32
当前完整方法 v4.3.2
————23.7%14%95%—4.1%0%开放否2026-04-29
432NVIDIA Nemotron Nano 9B V2NVIDIA7.43*—————22.7%11.8%60.5%—4.9%0%开放是2025-08-18
433Hermes 4 405B (Non-reasoning)Nous Research7.41*—————22%26.1%80.2%—4.2%0%开放否2025-08-27
434Nemotron 3 Nano 4BNVIDIA7.38*-74.52
当前完整方法 v4.3.2
————21.7%9.6%88.6%—4.9%0%开放是2026-03-16
435Llama Nemotron Super 49B v1.5 (Non-reasoning)NVIDIA7.36*—————24.7%12.6%67.3%—4.3%0%开放否2025-07-25
436K2-V2 (low)Institute of Foundation Models7.31*—————20.3%16.3%76%—3.6%0%开放是2025-12-05
437Llama 3.1 405BMeta7.29*—————25.3%23.2%52.4%—4%0%开放否2024-07-23
438Qwen3 8B历史Alibaba7.28*-62.95
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
0.3%0%27.9%0%13.6%90.7%—3.9%0%开放是2025-04-28
439Llama 3.3 Nemotron Super 49B (Non-reasoning)历史NVIDIA7.28*—————12%13.5%73.7%—3.8%0%开放否2025-03-18
440Qwen3 VL 8B历史Alibaba7.26*—————16.7%20.5%91%—2.7%0%开放否2025-10-14
441LFM2.5-8B-A1BLiquid AI7.22*—————0%9.3%46.9%—6.9%0%开放是2026-05-28
442Ring-flash-2.0InclusionAI7.15*—————21%16.6%90.1%—9.6%0.3%开放是2025-09-19
443Olmo 3.1 32B ThinkAllen Institute for AI7.12*—————0%13.8%66.3%—6.3%0%开放是2025-12-12
444Mistral Small 3.1历史Mistral7.12363.43
当前完整方法 v4.3.2
307.97
当前完整方法 v4.3.2
1.2%0%27.8%22.3%15.1%77.6%1%4.3%0%开放否2025-03-17
445GPT-5 nano (minimal)历史OpenAI7.09*—————20%13.1%88.8%—4%0%闭源否2025-08-07
446Qwen3 VL 4B (Reasoning)历史Alibaba7.05*—————21.3%12.2%91.8%—4.6%0%开放是2025-10-14
447Solar Pro 2 (Non-reasoning)历史Upstage7*—————0%16.1%93%—3.7%0%闭源否2025-07-09
448Nova Pro历史Amazon6.96*—————21%16.9%77.7%—3.2%0%闭源否2024-12-03
449Command ACohere6.96*—————21.3%16.4%77.3%—4%0%开放否2025-03-13
450Qwen3.5 2BAlibaba6.94*-60.68
当前完整方法 v4.3.2
————21%8.1%74.2%—2.6%0%开放是2026-03-02
451Llama 3.1 Nemotron 70BNVIDIA6.94*—————8.3%17.8%71.3%—4.2%0%开放否2024-10-15
452Llama 3.1 8B历史Meta6.93*-402.9
当前完整方法 v4.3.2
————18%8.5%43%—5.3%0%开放否2024-07-23
453Nemotron 3 Nano (Non-reasoning)NVIDIA6.85*-372.94
当前完整方法 v4.3.2
————10.7%11.4%91%—4.6%0%开放否2025-12-15
454NVIDIA Nemotron Nano 9B V2 (Non-reasoning)NVIDIA6.84*—————24%9.8%74.4%—4.6%0%开放否2025-08-18
455Qwen3 4B 2507 (Non-reasoning)历史Alibaba6.74*—————11.3%10.9%81.7%—4.5%0%开放否2025-08-06
456Qwen3 14B (Non-reasoning)历史Alibaba6.7*—————0%13.3%92.3%—4.1%0%开放否2025-04-28
457GPT-4历史OpenAI6.7*-34.71
当前完整方法 v4.3.2
—————21%69.4%———闭源否2023-03-14
458GLM-4.5V (Non-reasoning)历史Z AI6.7*—————0%18.2%90.2%—3.5%0%开放否2025-08-11
459Gemini 2.5 Flash-Lite (Non-reasoning)历史Google6.67*—————32%15.4%87.8%—3.7%0%闭源否2025-06-17
460Nova Lite历史Amazon6.67*—————19%9.8%57.6%—4.3%0%闭源否2024-12-03
461Hermes 4 70B (Non-reasoning)Nous Research6.66*—————4.7%18.7%82.7%—3.6%0%开放否2025-08-27
462Qwen3 30B (Non-reasoning)历史Alibaba6.62*—————0%12%88.5%—4.6%0%开放否2025-04-28
463Llama 3.1 70B历史Meta6.6*——————19.7%78.2%—4.5%0%开放否2024-07-23
464Granite 4.1 8B历史IBM6.57*—————13.3%12.3%87.1%—3.8%0%开放否2026-04-29
465Sarvam 30B (high)Sarvam6.56*—————0%12.6%96.3%—7.5%0.3%开放是2026-03-06
466Olmo 3.1 32B InstructAllen Institute for AI6.5*—————0%12%73.2%—5%0%开放否2026-01-13
467Gemma 4 E2B (Non-reasoning)Google6.48*—————16.3%8.2%74.4%—4.7%0%开放否2026-04-02
468Olmo 3 32B Think历史Allen Institute for AI6.47*—————0%14.9%85.7%—6.4%0%开放是2025-11-20
469Celeris-1Celeris6.35288.34
当前完整方法 v4.3.2
149.11
当前完整方法 v4.3.2
0.4%0%21.6%38%11%92.8%1.2%6.8%0%闭源否2026-07-24
470Phi-4 MiniMicrosoft6.33*-424.66
当前完整方法 v4.3.2
————15.3%9.5%78%—4.5%0%开放否2024-02-26
471EXAONE 4.0 32B (Non-reasoning)LG AI Research6.33*——————10.6%82.1%—5%0%开放否2025-07-15
472Qwen3.5 2B (Non-reasoning)Alibaba6.19*-382.43
当前完整方法 v4.3.2
————14%7.4%97.7%—5%0%开放否2026-03-02
473Qwen3.5 0.8BAlibaba6.13*-404.86
当前完整方法 v4.3.2
————9%4.2%61.3%—1.1%0%开放是2026-03-02
474Jamba 1.7 LargeAI21 Labs6.07*—————19.3%20.6%95.1%—3.7%0%开放否2025-07-07
475Granite 4.0 H SmallIBM6.05*—————11.3%14.3%87.8%—3.8%0%开放否2025-09-22
476Ministral 3 14BMistral6.04233.89
当前完整方法 v4.3.2
126.6
当前完整方法 v4.3.2
0.6%0%23.8%26.3%13.6%92.5%1.2%4.6%0%开放否2025-12-02
477Qwen3 Omni 30B A3BAlibaba6.01*—————0%14.3%97.6%—4.6%0%开放否2025-09-22
478Qwen3 8B (Non-reasoning)历史Alibaba5.99*—————0%11.1%95.6%—1.9%0%开放否2025-04-28
479LFM2 24B A2BLiquid AI5.95*—————0%6.5%69%—4.2%0%开放否2026-02-25
480Phi-4Microsoft5.92*—————0%14.1%81.2%—3.8%0%开放否2024-12-12
481Nova MicroAmazon5.88*—————13%10%65.1%—4.6%0%闭源否2024-12-03
482Granite 4.1 3B历史IBM5.86*-160.26
当前完整方法 v4.3.2
————6%9.3%95.1%—3.4%0%开放否2026-04-29
483NVIDIA Nemotron Nano 12B v2 VL (Non-reasoning)NVIDIA5.82*—————20.7%11.9%95.5%—4.3%0%开放否2025-10-28
484MiniCPM-V 4.6 1.3BOpenBMB5.69*-385.55
当前完整方法 v4.3.2
————7%6.7%96.1%—5.1%0%开放否2026-05-11
485Jamba Reasoning 3BAI21 Labs5.67*—————6.3%6.7%69%—3.8%0%开放是2025-10-08
486Qwen3 VL 4B历史Alibaba5.66*—————14%10.9%97.4%—3.6%0%开放否2025-10-14
487Reka Flash 3Reka AI5.65*—————0%13.7%91.3%—4.4%0%开放是2025-03-10
488Olmo 3 7B ThinkAllen Institute for AI5.62*—————0%11.1%93.2%—6%0%开放是2025-11-20
489Claude 3 Haiku历史Anthropic5.58*—————27.7%17.6%80.5%—4.1%0%闭源否2024-03-04
490Ling-mini-2.0历史InclusionAI5.54*——————8.9%95.9%—5.1%0%开放否2025-09-09
491Ministral 3 8BMistral5.48200.41
当前完整方法 v4.3.2
74
当前完整方法 v4.3.2
0.5%0%20.7%25.7%13%94.2%0.8%4.3%0%开放否2025-12-02
492Llama 3 70B历史Meta5.45*—————0%17.7%87.5%—4.5%0%开放否2024-04-18
493Llama 3.2 11B (Vision)Meta5.41*—————12.7%10.6%81.9%—5.5%0%开放否2024-09-25
494Qwen3.5 0.8B (Non-reasoning)Alibaba5.4*-385.67
当前完整方法 v4.3.2
————8%5%98.5%—5.1%0%开放否2026-03-02
495Sarvam M历史Sarvam5.31*—————0%15.2%90.6%—3.1%0%开放是2025-05-23
496Exaone 4.0 1.2BLG AI Research5.27*—————0%6.8%93%—6%0%开放是2025-07-15
497Olmo 3 7BAllen Institute for AI5.24*—————0%7.4%91.2%—5.8%0%开放否2025-11-20
498Exaone 4.0 1.2B (Non-reasoning)LG AI Research5.23*—————0%5%91.7%—5.7%0%开放否2025-07-15
499LFM2.5-1.2B-ThinkingLiquid AI5.22*—————0%7.4%94.4%—6.2%0%开放是2026-01-20
500Jamba 1.7 MiniAI21 Labs5.22*—————16%11.3%95.1%—4.4%0%开放否2025-07-07
501LFM2 2.6B历史Liquid AI5.21*—————0%5.4%62.9%—5.5%0%开放否2025-09-23
502LFM2.5-1.2B-InstructLiquid AI5.21*—————0%7%85.1%—6.7%0%开放否2026-01-05
503Granite 4.0 H 1BIBM5.19*—————7%5.2%81.7%—5%0%开放否2025-10-28
504Qwen3 1.7B历史Alibaba5.19*—————0%8.9%94.8%—4.6%0%开放是2025-04-28
505Gemma 3 270MGoogle5.12*—————0%0.9%30.4%—3.6%0%开放否2025-08-14
506Apertus 70B InstructSwiss AI Initiative5.11*—————0%11.6%82.8%—5.5%0%开放否2025-09-02
507Granite 4.0 MicroIBM5.11*—————7%9.3%95.8%—5%0%开放否2025-09-22
508Mistral 7B历史Mistral5.03*—————0%9%81.3%—4.5%0%开放否2023-09-27
509Granite 4.0 1B历史IBM5.01*—————6%6.2%93.5%—4.8%0%开放否2025-10-28
510Molmo2-8BAllen Institute for AI5*—————0%11.5%91.1%—4.3%0%开放否2025-12-11
511LFM2 8B A1B历史Liquid AI4.93*——————8.2%92.3%—4.9%0%开放否2025-10-07
512Granite 3.3 8B历史IBM4.92*——————9.7%96.2%—4.2%0%开放否2025-04-16
513Qwen3 1.7B (Non-reasoning)历史Alibaba4.86*—————0%6.9%97.8%—5.3%0%开放否2025-04-28
514Gemma 3 27B历史Google4.85-424.4
当前完整方法 v4.3.2
—0.2%0%23.3%7.3%13%92.1%0.2%4.4%0%开放否2025-03-12
515Ministral 3 3BMistral4.8415.02
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
0.7%0%15.3%17%9%80.2%0%5.4%0%开放否2025-12-02
516Qwen3 0.6B (Non-reasoning)历史Alibaba4.83*—————0%4.6%93.8%—4.9%0%开放否2025-04-28
517LFM2 1.2B历史Liquid AI4.83*—————0%4.9%81.4%—5.6%0%开放否2025-07-10
518Gemma 3 4B历史Google4.83*—————6.7%7.7%98.2%—5.3%0%开放否2025-03-12
519LFM2.5-VL-1.6BLiquid AI4.83*—————0%5.8%95.7%—5.1%0%开放否2026-01-05
520Qwen3 0.6B历史Alibaba4.83*—————0%6.3%90.9%—5.6%0%开放是2025-04-28
521Granite 4.0 350MIBM4.83*—————0%3.9%76.1%—5.5%0%开放否2025-10-28
522Llama 3.2 1B历史Meta4.83*—————6.7%7%66.3%—5.5%0%开放否2024-09-25
523Tiny Aya GlobalCohere4.83*—————0%6.1%96.2%—5.2%0%开放否2026-02-17
524Llama 3 8B历史Meta4.83*—————0%10.4%89.8%—5.1%0%开放否2024-04-18
525Apertus 8B InstructSwiss AI Initiative4.83*—————0%9.7%96.1%—5%0%开放否2025-09-02
526Granite 4.0 H 350MIBM4.83*—————0%3.8%88.1%—6.4%0%开放否2025-10-28
527Gemma 3n E4B历史Google4.83*—————0%8%97.1%—4.5%0%开放否2025-06-26
528Gemma 3n E2B历史Google4.83*—————0%6.8%93.4%—4.2%0%开放否2025-06-26
529Gemma 3 1B历史Google4.83*—————0%3.8%82.3%—5.3%0%开放否2025-03-13
530Gemma 3 12B历史Google3.75-424.37
当前完整方法 v4.3.2
—0.2%0%16.4%8.3%10.3%97.4%1%4.2%0%开放否2025-03-12
531K2 Horizon 0.9BInstitute of Foundation Models3.05-425.53
当前完整方法 v4.3.2
0
当前完整方法 v4.3.2
0.2%0%6.9%6.3%6.9%85.7%0.8%5.4%0%开放是2026-09-03
532Mi:dm K 2.5 Pro Preview历史Korea Telecom——————14.7%16.4%94.7%—9.1%0%闭源是2025-12-11
533Cogito v2.1Deep Cogito——————22.7%30.2%80.2%—12%0%开放是2025-11-18

v4.3、v4.3.1 与 v4.1 历史参考

v4.3 与 v4.3.1 保留先前完整方法和实时裁判协议的各自身份;更早 v4.1 包含 9 项评测:GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、AA-LCR、AA-Omniscience、Humanity's Last Exam、GPQA Diamond、CritPt。v4.3.2 虽保留 10 项布局,但两项 Elo 的来源拟合方式已变化,不能把任意跨版本分数差直接解释成模型进步或退步。

查看当前权重、Crowd-BT 与历史方法对照 →

v4.3.2 的 Elo 拟合与可比边界

AA-Briefcase v1.1 与 GDPval-AA v2.1 的当前成对比较分别按 Crowd-BT 拟合;后者以 DeepSeek V4.1 Flash(max) 1600 为锚点,前者仍以 GPT-5.5(medium) 1000 为锚点。v4.3.1 的裁判协议保留为历史,不把旧 Elo 与当前完整方法混排。

指数中的 Elo 贡献在模型加入时冻结;独立实时榜单分数不能用于重算指数。来源未给出逐模型重跑日期,不能把裁判更新或跨协议分数差解释成新的模型运行或能力变化。

查看 Crowd-BT、核验时间与完整方法边界 →查看 AA 原始方法 ↗

FAQ

智能指数拆分 常见问题

回答只使用来源页面可以明确核对的指标定义。

AA Intelligence Index v4.3.2 包含哪些评测?

包含 AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench v4.0、SciCode、AA-Omniscience、GDP.pdf、AA-LCR v1.1、Humanity's Last Exam、CritPt,共 10 项;Omniscience 的准确率与非幻觉率分别计入权重。

v4.3.2、v4.3 和 v4.3.1 的分数可以直接比较吗?

不可以直接把跨版本分数差解释成能力变化。v4.3.2 的 GDPval-AA v2.1 与 AA-Briefcase v1.1 改变了来源声明的 Elo 拟合方式;v4.3 是先前完整方法,v4.3.1 是历史裁判协议更新。本站按版本展示,旧观测不被当前值覆盖。

Crowd-BT 在 v4.3.2 中改变了什么?

来源说明中,GDPval-AA v2.1 的 Elo 以 DeepSeek V4.1 Flash(max) 1600 为锚点并按 Crowd-BT 拟合;AA-Briefcase v1.1 保持 GPT-5.5(medium) 1000 锚点,但每个成对比较 scope 也改为按 Crowd-BT 拟合。

来源估算的 Intelligence Index 代表什么?

估算是 Artificial Analysis 对该结果的标记,不等同于全部组成评测均已完成。本站保留估算标记与原始分数,缺失组成字段显示为未知,不自行补算。

这个评测关注什么

按方法版本拆解知识、推理、编程、工具使用和长上下文表现,不混排不同版本。

阅读时注意

评测结果受任务集合、评分方法和模型版本影响。本站保留原始口径,不用它生成新的综合排名。

适用场景

用于回答一个明确的问题:模型在这一类任务上的相对表现如何,而不是“哪个模型绝对最好”。