榜单历史

榜单历史

榜单在动。这里是存档：每个核心基准当前的领先者，以及哪些旧分数已被替换。

各基准当前领先者

GPQA Diamond当前前三
  1. 1. GPT-6 Astra96%
  2. 2. Gemini 3.1 Pro94.3%
  3. 3. GPT 5.6-Sol94.1%
HLE当前前三
  1. 1. Claude Opus 5.564.4%
  2. 2. Claude Opus 556.3%
  3. 3. GPT-6 Astra54.7%
Terminal-Bench 2.1当前前三
  1. 1. DeepSeek V4.1-Flash 091090.6%
  2. 2. GPT-6 Astra89.9%
  3. 3. Claude Opus 589.1%
DeepSWE v1.1当前前三
  1. 1. Gemini 4 Argon77.9%
  2. 2. DeepSeek V4.1-Flash 101777%
  3. 3. DeepSeek V4.1-Flash 091074.2%
NL2Repo-Bench当前前三
  1. 1. Claude Opus 575.3%
  2. 2. DeepSeek V4.1-Flash 101768.2%
  3. 3. DeepSeek V4.1-Flash 091065.4%
Automation-Bench当前前三
  1. 1. DeepSeek V4.1-Flash 101760.5%
  2. 2. DeepSeek V4.1-Flash 091054.8%
  3. 3. Gemini 4 Argon51.3%

被覆盖的分数

目前还没有分数被覆盖。

分数采集自具名的一手来源；具体引用见各模型页面。