AI2D厂商自报 · 越高越好
88.9%
TEST
成绩出处AIME 2025厂商自报 · 越高越好
83.7%
成绩出处AndroidWorld_SR厂商自报 · 越高越好
63.7%
成绩出处Arena-Hard v2厂商自报 · 越高越好
60.5%
成绩出处BFCL-v3厂商自报 · 越高越好
71.7%
成绩出处BLINK厂商自报 · 越高越好
68.5%
成绩出处CharadesSTA厂商自报 · 越高越好
62.8%
成绩出处CharXiv-D厂商自报 · 越高越好
90.2%
成绩出处CharXiv-R厂商自报 · 越高越好
65.2%
成绩出处Creative Writing v3厂商自报 · 越高越好
83.3%
成绩出处DocVQAtest厂商自报 · 越高越好
96.1%
成绩出处Hallusion Bench厂商自报 · 越高越好
67.4%
成绩出处IFEval厂商自报 · 越高越好
87.8%
成绩出处Include厂商自报 · 越高越好
76.3%
成绩出处InfoVQAtest厂商自报 · 越高越好
89.2%
成绩出处LiveBench 20241125厂商自报 · 越高越好
74.7%
成绩出处LiveCodeBench v6厂商自报 · 越高越好
65.6%
成绩出处LVBench厂商自报 · 越高越好
62.6%
成绩出处MathVision厂商自报 · 越高越好
70.2%
成绩出处MathVista-Mini厂商自报 · 越高越好
85.9%
testmini
成绩出处MMBench-V1.1厂商自报 · 越高越好
90.8%
EN_V1.1
成绩出处MMLU-Pro厂商自报 · 越高越好
82.1%
成绩出处MMLU-ProX厂商自报 · 越高越好
77.2%
成绩出处MMLU-Redux厂商自报 · 越高越好
91.9%
成绩出处MM-MT-Bench厂商自报 · 越高越好
8.3%
成绩出处MMMU-Pro厂商自报 · 越高越好
68.1%
full
成绩出处MMMU (val)厂商自报 · 越高越好
78.1%
成绩出处MMStar厂商自报 · 越高越好
79.4%
成绩出处MuirBench厂商自报 · 越高越好
80.3%
成绩出处Multi-IF厂商自报 · 越高越好
78%
成绩出处MVBench厂商自报 · 越高越好
73.2%
成绩出处OCRBench厂商自报 · 越高越好
85.5%
成绩出处OCRBench-V2 (en)厂商自报 · 越高越好
68.4%
成绩出处OCRBench-V2 (zh)厂商自报 · 越高越好
62.1%
成绩出处OSWorld厂商自报 · 越高越好
41%
成绩出处PolyMATH厂商自报 · 越高越好
52%
成绩出处RealWorldQA厂商自报 · 越高越好
78.4%
成绩出处ScreenSpot厂商自报 · 越高越好
95.7%
成绩出处ScreenSpot Pro厂商自报 · 越高越好
57.1%
成绩出处SimpleQA厂商自报 · 越高越好
55.4%
成绩出处SuperGPQA厂商自报 · 越高越好
59%
成绩出处VideoMME w/o sub.厂商自报 · 越高越好
77.3%
成绩出处VideoMMMU厂商自报 · 越高越好
79%
成绩出处WritingBench厂商自报 · 越高越好
86.2%
成绩出处
