选模型真实评测模型库编码 Agent 方法

公开数据导航

START HERE

PUBLIC DATA

按数据视角进入公开证据模型能力、Agent 与生成、成本与基础设施、数据与来源;每个数字都保留原始口径与出处。

MODEL INTELLIGENCE

模型能力比较模型、国家来源、公开评测与专业任务表现。

AGENT & GENERATION

Agent 与生成查看编码 Harness、Agent 能力与多媒体评测口径。

ECONOMICS & INFRA

成本与基础设施把能力放回调用成本、速度、部署条件中。

DATA & SOURCES

数据与来源公开数据目录、更新记录与方法口径。

模型对标

可从模型库、排行榜、评测页或模型详情页加入对标

数据快照：2026-09-20（基于公开数据）　当前页：2026-09-20

04

模型效果

在权威榜单与典型任务上的表现，结果均保留来源原始得分。

数据来源：公开评测与厂商官方数据完整度：17/25

只看差异

权威榜单（17 项）

Claude Opus 5 (max)

GPT-5.6 Sol (high)

Gemini 3.5 Flash历史版本

DeepSeek V4 Pro 0813 (max)

Artificial Analysis Intelligence Index分

50.8v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

42.3v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

32.6v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

36.0v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

GDPval-AA v2 归一化值%

66.1%v4.1 · 历史参考

55.8%v4.1 · 历史参考

42.0%v4.1 · 历史参考

53.9%v4.1 · 历史参考

GDPval-AA v2Elo

1,707.9v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

1,480.0v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

1,184.6v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

1,441.3v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

τ³-Banking%

42.1%v4.1 · 历史参考

36.7%v4.1 · 历史参考

32.2%v4.1 · 历史参考

39.6%v4.1 · 历史参考

Terminal-Bench v2.1%

89.1%v4.1 · 历史参考

87.3%v4.1 · 历史参考

78.7%v4.1 · 历史参考

78.7%v4.1 · 历史参考

Terminal-Bench v4.0%

49.0%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

20.7%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

6.6%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

14.1%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

AutomationBench-AA%

56.6%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

55.3%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

42.1%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

56.7%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

GDP.pdf%

21.6%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

27.8%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

19.8%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

11.4%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

AA-BriefcaseElo

1,673.3v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

1,369.7v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

868.2v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

1,261.4v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

SciCode%

56.4%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

57.8%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

53.9%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

51.0%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

AA-LCR%

79.3%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

81.7%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

73.3%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

80.3%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

AA-Omniscience分

37.1v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

20.4v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

21.2v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

0.8v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

AA-Omniscience 准确率%

60.9%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

58.4%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

51.4%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

49.1%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

AA-Omniscience 幻觉率%

60.8%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

91.2%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

62.2%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

94.8%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

Humanity's Last Exam%

54.9%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

46.0%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

42.7%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

41.0%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

GPQA Diamond%

93.2%v4.1 · 历史参考

92.8%v4.1 · 历史参考

92.2%v4.1 · 历史参考

92.8%v4.1 · 历史参考

CritPt%

29.1%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

25.7%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

13.1%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

18.0%v4.3.2 · 当前完整方法Artificial Analysis · 2026-09-20T01:21:54.000Z

任务效果（8 项）

Claude Opus 5 (max)

GPT-5.6 Sol (high)

Gemini 3.5 Flash历史版本

DeepSeek V4 Pro 0813 (max)

Agent 能力指数分

暂无公开数据

48.5

37.4

36.4

编码能力指数分

暂无公开数据

77.2

70.1

59.4

金融与会计分

暂无公开数据

47.6

43.4

36.8

战略与运营分

暂无公开数据

47.7

41.4

38.1

法律分

暂无公开数据

48.9

49.3

36.9

医疗分

暂无公开数据

42.9

39.0

33.1

工程分

暂无公开数据

56.8

51.5

45.8

经济学分

暂无公开数据

52.5

52.3

42.7