AetherCode厂商自报 · 越高越好
67.9%
成绩出处Agent Startup Bench厂商自报 · 越高越好
54%
成绩出处APEX-Agents厂商自报 · 越高越好
29.2%
成绩出处ArcAGI2厂商自报 · 越高越好
61.3%
成绩出处Artifacts Bench厂商自报 · 越高越好
47%
成绩出处BabyVision厂商自报 · 越高越好
62.9%
成绩出处Beyond AIME厂商自报 · 越高越好
88%
成绩出处BLINK厂商自报 · 越高越好
79.4%
成绩出处BrowseComp厂商自报 · 越高越好
84.9%
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
94.6%
成绩出处CharXiv-R厂商自报 · 越高越好
83.6%
With tools
成绩出处ClawEval-MM厂商自报 · 越高越好
46%
Pass^3
成绩出处ContPhy厂商自报 · 越高越好
61.1%
成绩出处CreativeWork厂商自报 · 越高越好
34.5%
成绩出处CrossVid厂商自报 · 越高越好
63.2%
成绩出处CyberGym厂商自报 · 越高越好
67%
成绩出处DeepSWE厂商自报 · 越高越好
23%
成绩出处Doubao Multi-Turn Bench厂商自报 · 越高越好
49%
成绩出处DynaMath厂商自报 · 越高越好
68.1%
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
56%
成绩出处FrontierCS厂商自报 · 越高越好
50.8%
成绩出处FrontierScience Olympiad厂商自报 · 越高越好
76%
成绩出处FrontierScience Research厂商自报 · 越高越好
33.3%
成绩出处GameWorld厂商自报 · 越高越好
25.9%
成绩出处GDPval厂商自报 · 越高越好
82.7%
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
54.6%
Text-only, with search
成绩出处Image2FloorPlan厂商自报 · 越高越好
35.9%
成绩出处LiveMathematicianBench厂商自报 · 越高越好
27.7%
成绩出处LiveSports-3K厂商自报 · 越高越好
77.1%
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
76.8%
成绩出处MathArena Apex厂商自报 · 越高越好
35.4%
成绩出处MathVerse厂商自报 · 越高越好
89.2%
Vision-Only
成绩出处MathVision厂商自报 · 越高越好
92.7%
With tools
成绩出处MathVista厂商自报 · 越高越好
90.5%
成绩出处MCP Atlas厂商自报 · 越高越好
80.3%
成绩出处MeasureBench厂商自报 · 越高越好
58.9%
avg. real & synthetic
成绩出处Minerva厂商自报 · 越高越好
65.9%
成绩出处MMLongBench-128K厂商自报 · 越高越好
76.9%
成绩出处MMMU-Pro厂商自报 · 越高越好
82.2%
With tools
成绩出处MMSIBench厂商自报 · 越高越好
31.4%
Circular
成绩出处MobileWorld厂商自报 · 越高越好
70%
成绩出处MotionBench厂商自报 · 越高越好
74.8%
成绩出处NL2Repo厂商自报 · 越高越好
43.7%
成绩出处OCRBench_V2厂商自报 · 越高越好
62.8%
成绩出处OfficeQA Pro厂商自报 · 越高越好
71.1%
Multimodal
成绩出处OneMillion Bench厂商自报 · 越高越好
66.6%
成绩出处OSWorld厂商自报 · 越高越好
76.4%
成绩出处OVBench厂商自报 · 越高越好
69.7%
成绩出处OVOBench厂商自报 · 越高越好
79.2%
成绩出处PostTrainBench厂商自报 · 越高越好
18.3%
成绩出处PresentBench厂商自报 · 越高越好
48.3%
成绩出处Program Bench厂商自报 · 越高越好
49.4%
成绩出处RealWorldQA厂商自报 · 越高越好
86.3%
成绩出处Repo Env厂商自报 · 越高越好
46.7%
成绩出处SciCode厂商自报 · 越高越好
57.8%
成绩出处SeedClawBench厂商自报 · 越高越好
63.8%
成绩出处SimpleVQA厂商自报 · 越高越好
0.71%
成绩出处SuperChem厂商自报 · 越高越好
56.6%
成绩出处SuperGPQA厂商自报 · 越高越好
67.4%
成绩出处SWE-Atlas厂商自报 · 越高越好
30.6%
成绩出处SWE-Bench Pro厂商自报 · 越高越好
57%
成绩出处Terminal-Bench 2.1厂商自报 · 越高越好
67.6%
成绩出处TOMATO厂商自报 · 越高越好
56.8%
成绩出处Toolathlon厂商自报 · 越高越好
49.1%
成绩出处Trae Code Gen厂商自报 · 越高越好
59.7%
JavaScript
成绩出处Trae Error Fix厂商自报 · 越高越好
56.7%
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
77.2%
成绩出处VideoHolmes厂商自报 · 越高越好
67.6%
成绩出处Video-MME厂商自报 · 越高越好
89%
成绩出处VideoSimpleQA厂商自报 · 越高越好
71.4%
成绩出处VisFactor厂商自报 · 越高越好
43.9%
成绩出处VisuLogic厂商自报 · 越高越好
0.53%
成绩出处VLMsAreBiased厂商自报 · 越高越好
68.3%
成绩出处Web Bench厂商自报 · 越高越好
73.6%
成绩出处WildClawBench厂商自报 · 越高越好
62.8%
成绩出处Workspace Bench厂商自报 · 越高越好
54.7%
成绩出处WorldBench厂商自报 · 越高越好
63.7%
成绩出处WorldVQA厂商自报 · 越高越好
48.6%
成绩出处xDailyBench厂商自报 · 越高越好
56.4%
成绩出处ZEROBench厂商自报 · 越高越好
0.11%
成绩出处