AetherCode厂商自报 · 越高越好
65.8%
成绩出处Agents' Last Exam厂商自报 · 越高越好
41.4%
Score
成绩出处Agent Startup Bench厂商自报 · 越高越好
68.8%
成绩出处APEX-Agents厂商自报 · 越高越好
33.8%
成绩出处ArcAGI2厂商自报 · 越高越好
62.5%
成绩出处Artifacts Bench厂商自报 · 越高越好
51%
成绩出处BabyVision厂商自报 · 越高越好
73.7%
成绩出处Beyond AIME厂商自报 · 越高越好
87%
成绩出处BLINK厂商自报 · 越高越好
81.4%
成绩出处BrowseComp厂商自报 · 越高越好
86.2%
With search
成绩出处ChartQAPro厂商自报 · 越高越好
70.9%
成绩出处CharXiv-D厂商自报 · 越高越好
95.5%
成绩出处CharXiv-R厂商自报 · 越高越好
86.4%
With tools
成绩出处ClawEval-MM厂商自报 · 越高越好
51%
Pass^3
成绩出处ContPhy厂商自报 · 越高越好
63.6%
成绩出处CreativeWork厂商自报 · 越高越好
42.5%
成绩出处CrossVid厂商自报 · 越高越好
65%
成绩出处CyberGym厂商自报 · 越高越好
70.2%
成绩出处DeepSWE厂商自报 · 越高越好
32.7%
成绩出处Doubao Multi-Turn Bench厂商自报 · 越高越好
52.5%
成绩出处DynaMath厂商自报 · 越高越好
73.1%
成绩出处EmbSpatialBench厂商自报 · 越高越好
0.83%
成绩出处Finance Agent v1.1厂商自报 · 越高越好
60.7%
成绩出处FrontierCS厂商自报 · 越高越好
46.3%
成绩出处FrontierScience Olympiad厂商自报 · 越高越好
75%
成绩出处FrontierScience Research厂商自报 · 越高越好
28.3%
成绩出处GameWorld厂商自报 · 越高越好
31.2%
成绩出处GDPval厂商自报 · 越高越好
87.9%
成绩出处HorizonMath厂商自报 · 越高越好
2%
成绩出处Humanity's Last Exam厂商自报 · 越高越好
55.7%
Text-only, with search
成绩出处Image2FloorPlan厂商自报 · 越高越好
48%
成绩出处IMO 2025厂商自报 · 越高越好
0.65分
成绩出处IMOProof-Adv厂商自报 · 越高越好
54.3%
成绩出处IPhO 2025厂商自报 · 越高越好
79.3%
成绩出处LiveMathematicianBench厂商自报 · 越高越好
20.9%
成绩出处LiveSports-3K厂商自报 · 越高越好
76.8%
成绩出处LongVideoBench厂商自报 · 越高越好
80.6%
成绩出处LVBench厂商自报 · 越高越好
78%
成绩出处MathArena Apex厂商自报 · 越高越好
31.3%
成绩出处MathVerse厂商自报 · 越高越好
89.7%
Vision-Only
成绩出处MathVision厂商自报 · 越高越好
94.5%
With tools
成绩出处MathVista厂商自报 · 越高越好
90.7%
成绩出处MCP Atlas厂商自报 · 越高越好
83.8%
成绩出处MeasureBench厂商自报 · 越高越好
62.9%
avg. real & synthetic
成绩出处Minerva厂商自报 · 越高越好
70.7%
成绩出处MMLongBench-128K厂商自报 · 越高越好
78.3%
成绩出处MMMU-Pro厂商自报 · 越高越好
82.7%
With tools
成绩出处MMSIBench厂商自报 · 越高越好
35.9%
Circular
成绩出处MobileWorld厂商自报 · 越高越好
73.1%
成绩出处MotionBench厂商自报 · 越高越好
74.9%
成绩出处NL2Repo厂商自报 · 越高越好
47%
成绩出处OCRBench_V2厂商自报 · 越高越好
63.2%
成绩出处OfficeQA Pro厂商自报 · 越高越好
72.2%
Multimodal
成绩出处OneMillion Bench厂商自报 · 越高越好
68.8%
成绩出处OSWorld厂商自报 · 越高越好
78.8%
成绩出处OVBench厂商自报 · 越高越好
70%
成绩出处OVOBench厂商自报 · 越高越好
80.7%
成绩出处PostTrainBench厂商自报 · 越高越好
16.5%
成绩出处PresentBench厂商自报 · 越高越好
54.6%
成绩出处Program Bench厂商自报 · 越高越好
50.3%
成绩出处RealWorldQA厂商自报 · 越高越好
86.7%
成绩出处Repo Env厂商自报 · 越高越好
55%
成绩出处SciCode厂商自报 · 越高越好
59.8%
成绩出处SeedClawBench厂商自报 · 越高越好
66.6%
成绩出处SimpleVQA厂商自报 · 越高越好
0.75%
成绩出处SuperChem厂商自报 · 越高越好
59.8%
成绩出处SuperGPQA厂商自报 · 越高越好
70.8%
成绩出处SWE-Atlas厂商自报 · 越高越好
35.2%
成绩出处SWE-Bench Pro厂商自报 · 越高越好
57.5%
成绩出处Terminal-Bench 2.1厂商自报 · 越高越好
71%
成绩出处TOMATO厂商自报 · 越高越好
79.5%
成绩出处Toolathlon厂商自报 · 越高越好
50.6%
成绩出处Trae Code Gen厂商自报 · 越高越好
62.4%
JavaScript
成绩出处Trae Error Fix厂商自报 · 越高越好
63.3%
Go
成绩出处TreeBench厂商自报 · 越高越好
71.1%
成绩出处TVBench厂商自报 · 越高越好
80.5%
成绩出处VideoHolmes厂商自报 · 越高越好
68.2%
成绩出处Video-MME厂商自报 · 越高越好
89.2%
成绩出处VideoSimpleQA厂商自报 · 越高越好
76.4%
成绩出处VisFactor厂商自报 · 越高越好
51.4%
成绩出处VisuLogic厂商自报 · 越高越好
0.54%
成绩出处VLMsAreBiased厂商自报 · 越高越好
83.6%
成绩出处Web Bench厂商自报 · 越高越好
78.4%
成绩出处WildClawBench厂商自报 · 越高越好
61.7%
成绩出处Workspace Bench厂商自报 · 越高越好
53%
成绩出处WorldBench厂商自报 · 越高越好
67.6%
成绩出处WorldVQA厂商自报 · 越高越好
53%
成绩出处xDailyBench厂商自报 · 越高越好
61%
成绩出处ZEROBench厂商自报 · 越高越好
0.18%
成绩出处
