长期知识工作

AA-Briefcase

AA-Briefcase 公开评测榜单:面向多步骤、长周期知识工作的专有评测。本站保留来源口径,不合成新的综合评分。

数据快照:2026-09-18T01:47:51.384Z查看原始来源 ↗
主要指标Elo
快照日期2026-09-18T01:47:51.384Z
169 / 169 个模型
公开评测完整榜单
排名机构模型Elo95% CI发布日期
AnthropicClaude Fable 5.1 (Adaptive Reasoning, Xhigh Effort, Default Fallback)1,650
历史裁判协议 v4.3.1
-9 / +9Sep 2026
AnthropicClaude Fable 5.1 (Adaptive Reasoning, Max Effort, Default Fallback)1,646
历史裁判协议 v4.3.1
-8 / +8Sep 2026
AnthropicClaude Opus 5 (Adaptive Reasoning, Max Effort)1,633
历史裁判协议 v4.3.1
-6 / +7Jul 2026
AnthropicClaude Opus 5 (Adaptive Reasoning, Xhigh Effort)1,625
历史裁判协议 v4.3.1
-7 / +8Jul 2026
AlibabaQwen3.8 Max (0902)1,610
历史裁判协议 v4.3.1
-10 / +10Sep 2026
MetaMuse Spark 1.3 (max)1,589
历史裁判协议 v4.3.1
-11 / +11Sep 2026
AlibabaQwen3.8-Flash-Next1,587
历史裁判协议 v4.3.1
-10 / +11Aug 2026
AnthropicClaude Fable 5.1 (Adaptive Reasoning, High Effort, Default Fallback)1,578
历史裁判协议 v4.3.1
-8 / +9Sep 2026
OpenAIGPT-6 Astra (max)1,562
历史裁判协议 v4.3.1
-9 / +10Sep 2026
AnthropicClaude Opus 5 (Adaptive Reasoning, High Effort)1,557
历史裁判协议 v4.3.1
-7 / +7Jul 2026
SpaceXAIGrok 4.6 (xhigh)1,545
历史裁判协议 v4.3.1
-6 / +7Aug 2026
SpaceXAIGrok 4.6 (high)1,534
历史裁判协议 v4.3.1
-6 / +7Aug 2026
OpenAIGPT-6 Astra (xhigh)1,534
历史裁判协议 v4.3.1
-9 / +10Sep 2026
AnthropicClaude Fable 5.1 (Adaptive Reasoning, Medium Effort, Default Fallback)1,531
历史裁判协议 v4.3.1
-8 / +9Sep 2026
AnthropicClaude Fable 51,530
历史裁判协议 v4.3.1
-6 / +6Jun 2026
Z AIGLM-5.3 (max)1,504
历史裁判协议 v4.3.1
-7 / +8Aug 2026
OpenAIGPT-6 Astra (high)1,494
历史裁判协议 v4.3.1
-9 / +10Sep 2026
SpaceXAIGrok 4.6 (medium)1,491
历史裁判协议 v4.3.1
-6 / +7Aug 2026
KimiKimi K3 (max)1,488
历史裁判协议 v4.3.1
-5 / +6Jul 2026
AnthropicClaude Fable 5.1 (Adaptive Reasoning, Low Effort, Default Fallback)1,484
历史裁判协议 v4.3.1
-8 / +8Sep 2026
MetaMuse Spark 1.3 (xhigh)1,483
历史裁判协议 v4.3.1
-10 / +11Sep 2026
OpenAIGPT-6 Astra (Non-reasoning)
本轮来源未列出,保留上次观测
1,471
历史参考 2026-09-12
-8 / +9
历史参考 2026-09-12
Sep 2026
OpenAIGPT-5.6 Sol (max)1,463
历史裁判协议 v4.3.1
-6 / +7Jul 2026
OpenAIGPT-6 Astra (medium)1,451
历史裁判协议 v4.3.1
-9 / +9Sep 2026
Z AIGLM 5.3 Flash1,449
历史裁判协议 v4.3.1
-9 / +9Aug 2026
AnthropicClaude Opus 5 (Adaptive Reasoning, Medium Effort)1,439
历史裁判协议 v4.3.1
-6 / +7Jul 2026
AlibabaQwen3.8 2.4T A95B1,439
历史裁判协议 v4.3.1
-7 / +8Aug 2026
OpenAIGPT-5.6 Sol (xhigh)1,435
历史裁判协议 v4.3.1
-8 / +9Jul 2026
DeepSeekDeepSeek V4 Flash Vision (Reasoning, Max Effort)1,432
历史裁判协议 v4.3.1
-9 / +10Aug 2026
DeepSeekDeepSeek V4.1 Flash (Reasoning, Max Effort)1,424
历史裁判协议 v4.3.1
-10 / +10Sep 2026
AlibabaQwen3.8 27B (xhigh)1,398
历史裁判协议 v4.3.1
-7 / +7Aug 2026
AlibabaQwen3.8 Max1,388
历史裁判协议 v4.3.1
-6 / +7Aug 2026
AlibabaQwen3.8 27B (medium)1,376
历史裁判协议 v4.3.1
-9 / +9Aug 2026
OpenAIGPT-5.6 Sol (high)1,361
历史裁判协议 v4.3.1
-8 / +9Jul 2026
AnthropicClaude Sonnet 5 (Adaptive Reasoning, Max Effort)1,355
历史裁判协议 v4.3.1
-6 / +6Jun 2026
MetaMuse Spark 1.2 (xhigh)1,344
历史裁判协议 v4.3.1
-6 / +7Aug 2026
OpenAIGPT-5.6 Terra (xhigh)1,337
历史裁判协议 v4.3.1
-9 / +9Jul 2026
OpenAIGPT-5.6 Luna (max)1,333
历史裁判协议 v4.3.1
-6 / +6Jul 2026
OpenAIGPT-5.6 Terra (max)1,330
历史裁判协议 v4.3.1
-7 / +7Jul 2026
AnthropicClaude Opus 4.8 (Adaptive Reasoning, Max Effort)1,316
历史裁判协议 v4.3.1
-6 / +6May 2026
Institute of Foundation ModelsK2 Horizon 375B A23B1,298
历史裁判协议 v4.3.1
-8 / +8Sep 2026
SpaceXAIGrok 4.6 (low)1,293
历史裁判协议 v4.3.1
-7 / +7Aug 2026
SpaceXAIGrok 4.5 (high)1,283
历史裁判协议 v4.3.1
-6 / +7Jul 2026
AlibabaQwen3.8 27B (low)1,277
历史裁判协议 v4.3.1
-10 / +10Aug 2026
AnthropicClaude Sonnet 5 (Adaptive Reasoning, Xhigh Effort)1,273
历史裁判协议 v4.3.1
-6 / +6Jun 2026
OpenAIGPT-5.6 Luna (xhigh)1,268
历史裁判协议 v4.3.1
-9 / +9Jul 2026
DeepSeekDeepSeek V4 Pro 0813 (Reasoning, Max Effort)1,265
历史裁判协议 v4.3.1
-6 / +7Aug 2026
OpenAIGPT-6 Astra (low)1,253
历史裁判协议 v4.3.1
-9 / +9Sep 2026
DeepSeekDeepSeek V4 Flash 0731 (Reasoning, Max Effort)1,253
历史裁判协议 v4.3.1
-6 / +7Jul 2026
AnthropicClaude Opus 4.7 (Adaptive Reasoning, Max Effort)1,252
历史裁判协议 v4.3.1
-6 / +6Apr 2026
OpenAIGPT-5.6 Sol (medium)1,237
历史裁判协议 v4.3.1
-7 / +7Jul 2026
Z AIGLM-5.2 (max)1,231
历史裁判协议 v4.3.1
-6 / +7Jun 2026
AnthropicClaude Opus 5 (Adaptive Reasoning, Low Effort)1,216
历史裁判协议 v4.3.1
-6 / +7Jul 2026
GoogleGemini 3.8 Flash (high)1,202
历史裁判协议 v4.3.1
-8 / +9Sep 2026
OpenAIGPT-5.6 Terra (high)1,201
历史裁判协议 v4.3.1
-9 / +9Jul 2026
Sapiens AIAgnes 2.5 Pro Alpha1,195
历史裁判协议 v4.3.1
-9 / +9Jul 2026
AnthropicClaude Sonnet 5 (Adaptive Reasoning, High Effort)1,178
历史裁判协议 v4.3.1
-6 / +6Jun 2026
GoogleGemini 3.8 Flash (medium)1,177
历史裁判协议 v4.3.1
-10 / +10Sep 2026
OpenAIGPT-5.6 Luna (high)1,173
历史裁判协议 v4.3.1
-8 / +8Jul 2026
Institute of Foundation ModelsK2 Horizon MoVA 36B A4B1,170
历史裁判协议 v4.3.1
-10 / +11Sep 2026
OpenAIGPT-5.5 (xhigh)1,136
历史裁判协议 v4.3.1
-6 / +7Apr 2026
Multiverse ComputingQuasar 438B (max, based on GLM-5.2)1,123
历史裁判协议 v4.3.1
-10 / +10Aug 2026
GoogleGemini 3.7 Flash (high)1,116
历史裁判协议 v4.3.1
-6 / +7Aug 2026
MiniMaxMiniMax-M31,096
历史裁判协议 v4.3.1
-6 / +7Jun 2026
OpenAIGPT-5.5 (high)1,089
历史裁判协议 v4.3.1
-6 / +6Apr 2026
OpenAIGPT-5.5 Instant (June 2026)1,082
历史裁判协议 v4.3.1
-9 / +10Jun 2026
AnthropicClaude Opus 4.7 (Non-reasoning, High Effort)1,071
历史裁判协议 v4.3.1
-6 / +6Apr 2026
AnthropicClaude Sonnet 4.6 (Adaptive Reasoning, Max Effort)1,065
历史裁判协议 v4.3.1
-6 / +6Feb 2026
GoogleGemini 3.8 Flash (low)1,056
历史裁判协议 v4.3.1
-9 / +9Sep 2026
AnthropicClaude Sonnet 5 (Adaptive Reasoning, Medium Effort)1,054
历史裁判协议 v4.3.1
-6 / +6Jun 2026
DeepSeekDeepSeek V4 Flash 0420 (Reasoning, High Effort)1,052
历史裁判协议 v4.3.1
-11 / +10Apr 2026
OpenAIGPT-5.6 Sol (low)1,042
历史裁判协议 v4.3.1
-8 / +9Jul 2026
OpenAIGPT-5.6 Terra (medium)1,041
历史裁判协议 v4.3.1
-8 / +8Jul 2026
Institute of Foundation ModelsK2 Horizon 7B1,021
历史裁判协议 v4.3.1
-10 / +10Sep 2026
OpenAIGPT-5.6 Sol (Non-reasoning)1,015
历史裁判协议 v4.3.1
-7 / +8Jul 2026
OpenAIGPT-5.6 Terra (low)1,014
历史裁判协议 v4.3.1
-9 / +8Jul 2026
OpenAIGPT-5.5 (medium)1,000
历史裁判协议 v4.3.1
-0 / +0Apr 2026
InclusionAILing-3.0-flash-VL986
历史裁判协议 v4.3.1
-10 / +10Sep 2026
KimiKimi K3 (low)985
历史裁判协议 v4.3.1
-8 / +8Jul 2026
InclusionAILing-3.0-flash-Fin967
历史裁判协议 v4.3.1
-10 / +10Sep 2026
Z AIGLM-5.1 (Reasoning)964
历史裁判协议 v4.3.1
-6 / +6Apr 2026
GoogleGemini 3.6 Flash (high)953
历史裁判协议 v4.3.1
-7 / +7Jul 2026
TencentHy3950
历史裁判协议 v4.3.1
-10 / +10Jul 2026
OpenAIGPT-5.6 Terra (Non-reasoning)948
历史裁判协议 v4.3.1
-8 / +8Jul 2026
OpenAIGPT-5.6 Luna (medium)935
历史裁判协议 v4.3.1
-8 / +8Jul 2026
AnthropicClaude Sonnet 5 (Adaptive Reasoning, Low Effort)927
历史裁判协议 v4.3.1
-7 / +7Jun 2026
DeepSeekDeepSeek V4 Pro 0424 (Reasoning, Max Effort)925
历史裁判协议 v4.3.1
-6 / +6Apr 2026
AlibabaQwen3.7 Max918
历史裁判协议 v4.3.1
-6 / +6May 2026
AlibabaQwen3.7 Plus913
历史裁判协议 v4.3.1
-9 / +9Jun 2026
Thinking MachinesInkling Small912
历史裁判协议 v4.3.1
-7 / +8Jul 2026
XiaomiMiMo-V2.5-Pro883
历史裁判协议 v4.3.1
-7 / +7Apr 2026
NVIDIANemotron 3 Ultra 550B A55B (Reasoning)878
历史裁判协议 v4.3.1
-7 / +7Jun 2026
GoogleGemini 3.5 Flash (medium)871
历史裁判协议 v4.3.1
-7 / +7May 2026
GoogleGemini 3.5 Flash (high)870
历史裁判协议 v4.3.1
-7 / +6May 2026
OpenAIGPT-5.3 Codex (xhigh)866
历史裁判协议 v4.3.1
-7 / +6Feb 2026
MetaMuse Spark 1.1 (xhigh)860
历史裁判协议 v4.3.1
-8 / +8Jul 2026
KimiKimi K2.7 Code856
历史裁判协议 v4.3.1
-10 / +9Jun 2026
Thinking MachinesInkling (xhigh)836
历史裁判协议 v4.3.1
-8 / +7Jul 2026
DeepSeekDeepSeek V4 Flash 0420 (Reasoning, Max Effort)833
历史裁判协议 v4.3.1
-6 / +6Apr 2026
KimiKimi K2.6824
历史裁判协议 v4.3.1
-6 / +6Apr 2026
AlibabaQwen3.6 27B (Reasoning)812
历史裁判协议 v4.3.1
-7 / +7Apr 2026
InclusionAILing 3.0 Flash802
历史裁判协议 v4.3.1
-8 / +7Aug 2026
Institute of Foundation ModelsK2 Horizon 3.7B793
历史裁判协议 v4.3.1
-11 / +10Sep 2026
SpaceXAIGrok 4.3 (high)762
历史裁判协议 v4.3.1
-7 / +7Apr 2026
XiaomiMiMo-V2.5751
历史裁判协议 v4.3.1
-9 / +9Apr 2026
OpenAIGPT-5.6 Luna (low)744
历史裁判协议 v4.3.1
-9 / +9Jul 2026
LongCatLongCat 2.0739
历史裁判协议 v4.3.1
-10 / +10Jun 2026
SpaceXAIGrok 4.3 (Non-reasoning)724
历史裁判协议 v4.3.1
-10 / +10Apr 2026
OpenAIGPT-5.4 mini (xhigh)719
历史裁判协议 v4.3.1
-7 / +7Mar 2026
MiniMaxMiniMax-M2.7715
历史裁判协议 v4.3.1
-9 / +10Mar 2026
AnthropicClaude 4.5 Sonnet (Reasoning)712
历史裁判协议 v4.3.1
-10 / +9Sep 2025
AlibabaQwen3.6 35B A3B (Reasoning)711
历史裁判协议 v4.3.1
-9 / +8Apr 2026
OpenAIGPT-5.6 Luna (Non-reasoning)710
历史裁判协议 v4.3.1
-8 / +8Jul 2026
OpenAIGPT-5.4 nano (xhigh)670
历史裁判协议 v4.3.1
-10 / +10Mar 2026
InclusionAIRing-2.6-1T654
历史裁判协议 v4.3.1
-10 / +9May 2026
GoogleGemini 3.5 Flash-Lite645
历史裁判协议 v4.3.1
-8 / +8Jul 2026
MetaMuse Spark644
历史裁判协议 v4.3.1
-7 / +7Apr 2026
AnthropicClaude 4.5 Haiku (Reasoning)614
历史裁判协议 v4.3.1
-7 / +7Oct 2025
KwaiKATKAT-Coder-Pro V1602
历史裁判协议 v4.3.1
-8 / +8Nov 2025
AlibabaQwen3.5 397B A17B (Reasoning)563
历史裁判协议 v4.3.1
-8 / +7Feb 2026
MistralMistral Medium 3.1538
历史裁判协议 v4.3.1
-9 / +8Aug 2025
MistralMistral Medium 3.5524
历史裁判协议 v4.3.1
-8 / +7Apr 2026
NVIDIANemotron 3.5 Lightning509
历史裁判协议 v4.3.1
-10 / +10Aug 2026
AlibabaQwen3.5 122B A10B (Reasoning)499
历史裁判协议 v4.3.1
-9 / +9Feb 2026
MistralDevstral Small 2496
历史裁判协议 v4.3.1
-10 / +9Dec 2025
MistralDevstral 2483
历史裁判协议 v4.3.1
-11 / +11Dec 2025
InclusionAILing 3.0 Tiny481
历史裁判协议 v4.3.1
-10 / +9Aug 2026
MetaMuse Glimmer (high)481
历史裁判协议 v4.3.1
-9 / +8Aug 2026
DeepSeekDeepSeek V3.1 Terminus (Reasoning)464
历史裁判协议 v4.3.1
-10 / +9Sep 2025
GoogleGemini 3.1 Pro Preview459
历史裁判协议 v4.3.1
-8 / +8Feb 2026
OpenAIGPT-5 mini (high)438
历史裁判协议 v4.3.1
-10 / +9Aug 2025
OpenBMBMiniCPM5-2B434
历史裁判协议 v4.3.1
-11 / +11Sep 2026
AlibabaQwen3 Coder Next414
历史裁判协议 v4.3.1
-10 / +10Feb 2026
GoogleGemma 4 31B (Reasoning)377
历史裁判协议 v4.3.1
-8 / +8Apr 2026
CohereCommand A+366
历史裁判协议 v4.3.1
-10 / +9May 2026
MistralMistral Small 3.1325
历史裁判协议 v4.3.1
-10 / +9Mar 2025
IBMGranite 4.2 8B320
历史裁判协议 v4.3.1
-10 / +9Aug 2026
GoogleGemini 2.5 Pro315
历史裁判协议 v4.3.1
-10 / +9Jun 2025
InceptionMercury 2280
历史裁判协议 v4.3.1
-9 / +9Feb 2026
Arcee AITrinity Large Thinking271
历史裁判协议 v4.3.1
-10 / +9Apr 2026
MistralMistral Small 4 (Reasoning)256
历史裁判协议 v4.3.1
-10 / +10Mar 2026
Multiverse ComputingHyperNova 60B 2605 (high, based on gpt-oss-120b)249
历史裁判协议 v4.3.1
-10 / +10May 2026
MistralMistral Large 3246
历史裁判协议 v4.3.1
-9 / +9Dec 2025
CohereNorth Mini Code234
历史裁判协议 v4.3.1
-10 / +8Jun 2026
GoogleGemini 3.1 Flash-Lite226
历史裁判协议 v4.3.1
-9 / +8Mar 2026
AlibabaQwen3 235B A22B 2507 (Reasoning)190
历史裁判协议 v4.3.1
-12 / +10Jul 2025
CelerisCeleris-1172
历史裁判协议 v4.3.1
-10 / +9Jul 2026
OpenAIo3-mini (high)161
历史裁判协议 v4.3.1
-10 / +10Jan 2025
MistralMinistral 3 14B150
历史裁判协议 v4.3.1
-10 / +9Dec 2025
DeepSeekDeepSeek R1 (Jan '25)150
历史裁判协议 v4.3.1
-10 / +10Jan 2025
UpstageSolar Pro 3122
历史裁判协议 v4.3.1
-9 / +9Apr 2026
IBMGranite 4.2 3B121
历史裁判协议 v4.3.1
-11 / +10Aug 2026
NVIDIANVIDIA Nemotron 3 Nano 30B A3B (Reasoning)100
历史裁判协议 v4.3.1
-11 / +9Dec 2025
DeepSeekDeepSeek V3 (Dec '24)100
历史裁判协议 v4.3.1
-12 / +11Dec 2024
MistralMinistral 3 8B99
历史裁判协议 v4.3.1
-11 / +10Dec 2025
DeepSeekDeepSeek V3 032492
历史裁判协议 v4.3.1
-11 / +10Mar 2025
Institute of Foundation ModelsK2 Think V234
历史裁判协议 v4.3.1
-9 / +9Dec 2025
AlibabaQwen3 30B A3B 2507 (Reasoning)32
历史裁判协议 v4.3.1
-12 / +11Jul 2025
MistralMinistral 3 3B16
历史裁判协议 v4.3.1
-11 / +9Dec 2025
AlibabaQwen3 32B (Reasoning)9
历史裁判协议 v4.3.1
-9 / +10Apr 2025
NVIDIANemotron 3 Super 120B A12B (Reasoning)0
历史裁判协议 v4.3.1
-0 / +0Mar 2026
OpenAIgpt-oss-120b (high)0
历史裁判协议 v4.3.1
-0 / +0Aug 2025
MetaLlama 4 Maverick0
历史裁判协议 v4.3.1
-0 / +0Apr 2025
OpenAIgpt-oss-20b (high)0
历史裁判协议 v4.3.1
-0 / +0Aug 2025
MistralMistral Small 3.20
历史裁判协议 v4.3.1
-0 / +0Jun 2025
MetaLlama 4 Scout0
历史裁判协议 v4.3.1
-0 / +0Apr 2025
AlibabaQwen3 14B (Reasoning)0
历史裁判协议 v4.3.1
-0 / +0Apr 2025
AlibabaQwen3 8B (Reasoning)0
历史裁判协议 v4.3.1
-0 / +0Apr 2025
Institute of Foundation ModelsK2 Horizon 0.9B0
历史裁判协议 v4.3.1
-0 / +0Sep 2026

独立实时 Elo 的历史协议边界

本榜单当前已采集的来源记录仍标为裁判协议 v4.3.1。它是独立榜单的历史协议记录,并不因 AA Intelligence Index 当前完整方法更新到 v4.3.2 而重标为 v4.3.2。

v4.3.2 对完整 Intelligence Index 中的 GDPval-AA v2.1 与 AA-Briefcase v1.1 声明了 Crowd-BT 拟合;该事实不能回填到本页未重新导入的独立实时 Elo。旧记录保留其来源版本、值和 observedAt,不和当前完整 Index 混排或用于重算指数。

查看完整 Index v4.3.2 与独立榜单的边界 →查看 AA 原始方法 ↗

这个评测关注什么

面向多步骤、长周期知识工作的专有评测。

阅读时注意

评测结果受任务集合、评分方法和模型版本影响。本站保留原始口径,不用它生成新的综合排名。

适用场景

用于回答一个明确的问题:模型在这一类任务上的相对表现如何,而不是“哪个模型绝对最好”。