AA-LCR厂商自报 · 越高越好
68.3%
成绩出处AI2D厂商自报 · 越高越好
94.4%
Test
成绩出处AIME 2026厂商自报 · 越高越好
95.3%
成绩出处CC-OCR厂商自报 · 越高越好
83.4%
成绩出处C-Eval厂商自报 · 越高越好
93.3%
成绩出处CharXiv-R厂商自报 · 越高越好
81.5%
成绩出处Claw-Eval厂商自报 · 越高越好
58.7%
Pass^3
成绩出处CountBench厂商自报 · 越高越好
0.98%
成绩出处DeepPlanning厂商自报 · 越高越好
41.5%
成绩出处DynaMath厂商自报 · 越高越好
88%
成绩出处Finance Agent v2来源汇总 · 越高越好
40.85%
成绩出处FrontierSWE来源汇总 · 越高越好
22%
Qwen Code
成绩出处Global PIQA厂商自报 · 越高越好
89.8%
成绩出处HMMT 2025厂商自报 · 越高越好
96.7%
February 2025
成绩出处HMMT25厂商自报 · 越高越好
94.6%
November 2025
成绩出处HMMT Feb 26厂商自报 · 越高越好
87.8%
成绩出处Humanity's Last Exam厂商自报 · 越高越好
28.8%
成绩出处IFBench厂商自报 · 越高越好
74.2%
成绩出处IFEval厂商自报 · 越高越好
94.3%
Strict prompt
成绩出处IMO-AnswerBench厂商自报 · 越高越好
83.8%
成绩出处Include厂商自报 · 越高越好
85.1%
成绩出处LiveBench来源汇总 · 越高越好
70.85%
2026-01-08
成绩出处LiveCodeBench v6厂商自报 · 越高越好
87.1%
成绩出处LongBench v2厂商自报 · 越高越好
62%
成绩出处MathVision厂商自报 · 越高越好
88%
成绩出处MAXIFE厂商自报 · 越高越好
88.2%
成绩出处MCP Atlas厂商自报 · 越高越好
74.1%
成绩出处MCP-Mark厂商自报 · 越高越好
48.2%
成绩出处MLVU厂商自报 · 越高越好
86.7%
M-Avg
成绩出处MMLongBench-Doc厂商自报 · 越高越好
0.62%
成绩出处MMLU-Pro厂商自报 · 越高越好
88.5%
成绩出处MMLU-ProX厂商自报 · 越高越好
84.7%
成绩出处MMLU-Redux厂商自报 · 越高越好
94.5%
成绩出处MMMLU厂商自报 · 越高越好
89.5%
成绩出处MMMU-Pro厂商自报 · 越高越好
78.8%
成绩出处MMStar厂商自报 · 越高越好
83.3%
成绩出处NL2Repo厂商自报 · 越高越好
37.9%
成绩出处NOVA-63厂商自报 · 越高越好
57.9%
成绩出处ODinW厂商自报 · 越高越好
51.8%
13 datasets
成绩出处OmniDocBench 1.5厂商自报 · 越高越好
91.2%
成绩出处OSWorld-Verified厂商自报 · 越高越好
62.5%
成绩出处PolyMATH厂商自报 · 越高越好
77.4%
成绩出处RealWorldQA厂商自报 · 越高越好
85.4%
成绩出处RefCOCO-avg厂商自报 · 越高越好
0.94%
成绩出处ScreenSpot Pro厂商自报 · 越高越好
68.2%
成绩出处SimpleVQA厂商自报 · 越高越好
0.67%
成绩出处SkillsBench厂商自报 · 越高越好
45.7%
Avg (78 tasks)
成绩出处SuperGPQA厂商自报 · 越高越好
71.6%
成绩出处SWE-bench Multilingual厂商自报 · 越高越好
73.8%
成绩出处SWE-Bench Pro厂商自报 · 越高越好
56.6%
成绩出处SWE-Bench Verified厂商自报 · 越高越好
78.8%
成绩出处TAU3-Bench厂商自报 · 越高越好
70.7%
成绩出处Terminal-Bench 2.0厂商自报 · 越高越好
61.6%
成绩出处TIR-Bench厂商自报 · 越高越好
61.6%
With CI
成绩出处Toolathlon厂商自报 · 越高越好
39.8%
成绩出处V*厂商自报 · 越高越好
96.9%
With CI
成绩出处Video-MME厂商自报 · 越高越好
84.2%
Without subtitles
成绩出处VideoMMMU厂商自报 · 越高越好
84%
成绩出处VITA-Bench厂商自报 · 越高越好
44.3%
成绩出处We-Math厂商自报 · 越高越好
89%
成绩出处WideSearch厂商自报 · 越高越好
74.3%
成绩出处WMT24++厂商自报 · 越高越好
84.3%
成绩出处