AI2D厂商自报 · 越高越好
86.9%
TEST
成绩出处AIME 2025厂商自报 · 越高越好
83.1%
成绩出处Arena-Hard v2厂商自报 · 越高越好
56.7%
成绩出处BFCL-v3厂商自报 · 越高越好
68.6%
成绩出处BLINK厂商自报 · 越高越好
65.4%
成绩出处CC-OCR厂商自报 · 越高越好
77.8%
overall
成绩出处CharadesSTA厂商自报 · 越高越好
62.7%
成绩出处CharXiv-D厂商自报 · 越高越好
86.9%
DQ
成绩出处CharXiv-R厂商自报 · 越高越好
56.6%
RQ
成绩出处Creative Writing v3厂商自报 · 越高越好
82.5%
成绩出处DocVQAtest厂商自报 · 越高越好
95%
成绩出处Hallusion Bench厂商自报 · 越高越好
66%
成绩出处HMMT25厂商自报 · 越高越好
67.6%
成绩出处IFEval厂商自报 · 越高越好
81.7%
成绩出处Include厂商自报 · 越高越好
74.5%
成绩出处InfoVQAtest厂商自报 · 越高越好
86%
成绩出处LiveBench 20241125厂商自报 · 越高越好
72.1%
成绩出处LiveCodeBench v6厂商自报 · 越高越好
64.2%
25.02-25.05
成绩出处LVBench厂商自报 · 越高越好
59.2%
成绩出处MathVision厂商自报 · 越高越好
65.7%
成绩出处MathVista-Mini厂商自报 · 越高越好
81.9%
成绩出处MLVU-M厂商自报 · 越高越好
78.9%
MCQ
成绩出处MMBench-V1.1厂商自报 · 越高越好
88.9%
en, V1.1
成绩出处MMLU-Pro厂商自报 · 越高越好
80.5%
成绩出处MMLU-ProX厂商自报 · 越高越好
76.1%
成绩出处MMLU-Redux厂商自报 · 越高越好
90.9%
成绩出处MM-MT-Bench厂商自报 · 越高越好
7.9%
成绩出处MMMU-Pro厂商自报 · 越高越好
63%
full
成绩出处MMMU (val)厂商自报 · 越高越好
76%
AI
成绩出处MMStar厂商自报 · 越高越好
75.5%
成绩出处MuirBench厂商自报 · 越高越好
77.6%
成绩出处Multi-IF厂商自报 · 越高越好
73%
成绩出处MVBench厂商自报 · 越高越好
72%
成绩出处OCRBench厂商自报 · 越高越好
83.9%
成绩出处OCRBench-V2 (en)厂商自报 · 越高越好
62.6%
en/zh - using en value
成绩出处OCRBench-V2 (zh)厂商自报 · 越高越好
60.4%
zh
成绩出处ODinW厂商自报 · 越高越好
42.3%
13
成绩出处OSWorld厂商自报 · 越高越好
30.6%
成绩出处PolyMATH厂商自报 · 越高越好
51.7%
成绩出处RealWorldQA厂商自报 · 越高越好
77.4%
成绩出处ScreenSpot厂商自报 · 越高越好
94.7%
成绩出处ScreenSpot Pro厂商自报 · 越高越好
57.3%
成绩出处SimpleQA厂商自报 · 越高越好
23.9%
成绩出处SuperGPQA厂商自报 · 越高越好
56.4%
成绩出处Video-MME厂商自报 · 越高越好
73.3%
成绩出处VideoMMMU厂商自报 · 越高越好
75%
成绩出处WritingBench厂商自报 · 越高越好
85.2%
成绩出处
