AIME 2025厂商自报 · 越高越好
100%
With code execution
成绩出处ARC-AGI v2厂商自报 · 越高越好
31.1%
ARC Prize Verified
成绩出处CharXiv-R厂商自报 · 越高越好
81.4%
成绩出处FACTS Grounding厂商自报 · 越高越好
70.5%
成绩出处Global PIQA厂商自报 · 越高越好
93.4%
成绩出处GPQA厂商自报 · 越高越好
91.9%
No tools
成绩出处Humanity's Last Exam厂商自报 · 越高越好
45.8%
With search and code execution
成绩出处LiveBench来源汇总 · 越高越好
73.39%
2026-01-08, High
成绩出处LiveCodeBench Pro厂商自报 · 越高越好
2,439分
Elo Rating
成绩出处MathArena Apex厂商自报 · 越高越好
23.4%
成绩出处MMMLU厂商自报 · 越高越好
91.8%
成绩出处MMMU-Pro厂商自报 · 越高越好
81%
成绩出处MRCR v2 (8-needle)厂商自报 · 越高越好
26.3%
1M (pointwise)
成绩出处OmniDocBench 1.5厂商自报 · 越高越好
11.5%
Overall Edit Distance
成绩出处ScreenSpot Pro厂商自报 · 越高越好
72.7%
成绩出处SimpleQA厂商自报 · 越高越好
72.1%
成绩出处SWE-Bench Verified厂商自报 · 越高越好
76.2%
Single attempt
成绩出处t2-bench厂商自报 · 越高越好
85.4%
成绩出处Terminal-Bench 2.0厂商自报 · 越高越好
54.2%
Terminus-2 agent
成绩出处Vending-Bench 2厂商自报 · 越高越好
547,816%
Net worth (mean)
成绩出处VideoMMMU厂商自报 · 越高越好
87.6%
成绩出处
