评测数据

当前展示：Run #204 | 2026-06-29 | 154 题库 | 公式 v7 | 判分 v6.3

切换 Run Run #213 — 轻量 — 07-04 Run #212 — 轻量 — 07-04 Run #210 — 轻量 — 07-03 Run #209 — 轻量 — 07-03 Run #208 — 轻量 — 07-02 Run #206 — 轻量 — 07-01 Run #205 — 轻量 — 06-30 Run #204 — 完整 — 06-29 (当前) Run #203 — 轻量 — 06-29 Run #201 — 轻量 — 06-28 Run #200 — 轻量 — 06-27 Run #198 — 轻量 — 06-26 Run #197 — 轻量 — 06-25 Run #195 — 轻量 — 06-24 Run #194 — 轻量 — 06-23 Run #193 — 轻量 — 06-23 Run #192 — 完整 — 06-22 Run #191 — 轻量 — 06-22 Run #190 — 轻量 — 06-21 Run #189 — 轻量 — 06-21 Run #188 — 轻量 — 06-20 Run #187 — 轻量 — 06-19 Run #186 — 轻量 — 06-18 Run #184 — 轻量 — 06-17 Run #183 — 轻量 — 06-17 Run #182 — 轻量 — 06-16 Run #181 — 轻量 — 06-16 Run #180 — 完整 — 06-15 Run #179 — 完整 — 06-15 Run #178 — 完整 — 06-15 Run #177 — 完整 — 06-15 Run #176 — 轻量 — 06-15 Run #175 — 完整 — 06-14 Run #174 — 完整 — 06-14 Run #173 — 完整 — 06-14 Run #170 — 轻量 — 06-14 Run #168 — 完整 — 06-13 Run #166 — 轻量 — 06-13 Run #165 — 轻量 — 06-12 Run #163 — 完整 — 06-11 Run #162 — 完整 — 06-11 Run #160 — 完整 — 06-11 Run #159 — 轻量 — 06-11 Run #158 — 轻量 — 06-11 Run #156 — 轻量 — 06-10 Run #155 — 轻量 — 06-09 Run #154 — 完整 — 06-08 Run #153 — 轻量 — 06-08 Run #152 — 轻量 — 06-07 Run #151 — 轻量 — 06-06 Run #150 — targeted_smoke — 06-06 Run #149 — 轻量 — 06-06 Run #148 — 轻量 — 06-05 Run #147 — 轻量 — 06-04 Run #145 — 轻量 — 06-03 Run #144 — targeted_smoke — 06-02 Run #143 — 轻量 — 06-02 Run #142 — 完整 — 06-01 Run #141 — 轻量 — 06-01 Run #139 — 轻量 — 05-31 Run #138 — 轻量 — 05-30 Run #137 — 轻量 — 05-29 Run #136 — 轻量 — 05-28 Run #134 — 轻量 — 05-27 Run #133 — targeted_smoke — 05-26 Run #132 — 轻量 — 05-26 Run #131 — 完整 — 05-25 Run #130 — 轻量 — 05-25 Run #129 — 轻量 — 05-24 Run #128 — 轻量 — 05-23 Run #127 — 轻量 — 05-22 Run #126 — 轻量 — 05-21 Run #124 — 轻量 — 05-20 Run #123 — 轻量 — 05-19 Run #122 — 完整 — 05-18 Run #121 — 轻量 — 05-18 Run #119 — 轻量 — 05-17 Run #118 — 轻量 — 05-16 Run #117 — 轻量 — 05-15 Run #116 — 轻量 — 05-14 Run #114 — 轻量 — 05-13 Run #113 — 轻量 — 05-12 Run #112 — 完整 — 05-11 Run #111 — 轻量 — 05-11 Run #110 — targeted_smoke — 05-10 Run #109 — 轻量 — 05-10 Run #108 — 轻量 — 05-09 Run #107 — 轻量 — 05-08 Run #106 — 轻量 — 05-07 Run #104 — 轻量 — 05-06 Run #103 — 轻量 — 05-05 Run #102 — 完整 — 05-04 Run #101 — 轻量 — 05-04 Run #99 — 轻量 — 05-03 Run #98 — 轻量 — 05-02 Run #91 — 轻量 — 05-01 Run #90 — 轻量 — 04-30 Run #89 — 轻量 — 04-29 Run #88 — 轻量 — 04-28 Run #87 — 完整 — 04-27 Run #86 — 轻量 — 04-27 Run #85 — 轻量 — 04-26 Run #84 — 轻量 — 04-25 Run #83 — 轻量 — 04-24 Run #82 — 轻量 — 04-23 Run #81 — 轻量 — 04-22 Run #80 — 轻量 — 04-21 Run #79 — 轻量 — 04-21 Run #78 — 完整 — 04-20 Run #77 — 轻量 — 04-20 Run #76 — 轻量 — 04-19 Run #75 — 轻量 — 04-18 Run #73 — 轻量 — 04-17 Run #72 — 轻量 — 04-16 Run #71 — 轻量 — 04-15 Run #70 — 轻量 — 04-14 Run #69 — 完整 — 04-13 Run #68 — 轻量 — 04-13 Run #67 — 轻量 — 04-12 Run #66 — 轻量 — 04-11 Run #65 — 轻量 — 04-10 Run #64 — 轻量 — 04-09 Run #63 — 轻量 — 04-08 Run #62 — 轻量 — 04-07 Run #61 — 完整 — 04-06 Run #60 — 轻量 — 04-06 Run #59 — 轻量 — 04-05 Run #58 — targeted_smoke — 04-04 Run #57 — 轻量 — 04-04 Run #56 — 轻量 — 04-03 Run #55 — 轻量 — 04-02 Run #54 — 轻量 — 04-01 Run #53 — 轻量 — 03-31 Run #52 — 完整 — 03-30 Run #51 — targeted_smoke — 03-30 Run #50 — 轻量 — 03-30 Run #49 — 轻量 — 03-29 Run #47 — 轻量 — 03-28 Run #46 — 轻量 — 03-27 Run #43 — 完整 — 03-25 Run #42 — 轻量 — 03-25 Run #41 — 完整 — 03-24 Run #40 — 完整 — 03-24 Run #39 — 完整 — 03-24 Run #38 — 完整 — 03-24 Run #37 — 完整 — 03-22 Run #36 — 轻量 — 03-22 Run #35 — 完整 — 03-22 Run #33 — 完整 — 03-21 Run #32 — 轻量 — 03-21 Run #31 — 完整 — 03-21 Run #30 — 完整 — 03-21 Run #29 — 完整 — 03-21 Run #27 — 完整 — 03-21 Run #26 — 轻量 — 03-21 Run #25 — 轻量 — 03-21 Run #24 — 轻量 — 03-21 Run #23 — 轻量 — 03-20 Run #22 — 轻量 — 03-20 Run #20 — 完整 — 03-19 Run #18 — 轻量 — 03-19 Run #17 — 轻量 — 03-18 Run #16 — 完整 — 03-18 Run #15 — 完整 — 03-17 Run #14 — 完整 — 03-17 Run #12 — 轻量 — 03-17 Run #11 — 完整 — 03-17 Run #10 — 完整 — 03-17 Run #9 — 完整 — 03-17 Run #8 — 轻量 — 03-16 Run #7 — 轻量 — 03-16 Run #6 — 轻量 — 03-16 Run #5 — 轻量 — 03-16 Run #4 — 轻量 — 03-16 Run #3 — 轻量 — 03-16 Run #2 — 轻量 — 03-16 Run #1 — 轻量 — 03-16 模型 全部 (11) Claude Opus 4.7 Claude Sonnet 4.6 DeepSeek V4 Pro Gemini 2.5 Pro Gemini 3.1 Pro GPT-5.5 GPT-o3 Grok 4 Qwen3 Max 文心一言 4.5 豆包 Pro

数据公开说明：为防止题库污染和过拟合，题目原文和预期答案不公开。本页展示模型回答、得分、判分方式等透明数据。完整方法论请参阅方法论页面。

模型	代码执行	材料约束	工程判断	任务表达	诚信	主榜分	性价比	稳定性	可用性	逐题
Claude Opus 4.7 claude	84.30	95.50	95.50	94.30	90.00 pass	89.34	6.1	53.8	100.0	展开
DeepSeek V4 Pro deepseek	83.70	95.00	93.80	99.70	80.00 pass	88.79	49.5	55.7	99.0	展开
Grok 4 grok	76.30	95.70	88.30	82.50	75.00 pass	85.03	27.6	41.5	99.0	展开
GPT-o3 gpt	74.00	94.90	92.20	87.20	83.30 pass	83.41	10.2	51.0	95.9	展开
Claude Sonnet 4.6 claude	75.20	92.50	95.10	84.60	83.30 pass	82.99	28.1	42.7	100.0	展开
Gemini 3.1 Pro gemini	72.90	94.20	88.20	86.60	83.30 pass	82.49	28.0	36.1	100.0	展开
豆包 Pro doubao	73.20	91.90	97.10	99.70	86.70 pass	81.62	95.0	51.6	95.9	展开
Qwen3 Max qwen	71.20	92.90	70.00	79.30	81.70 pass	80.97	53.9	37.1	100.0	展开
Gemini 2.5 Pro gemini	63.80	95.10	85.30	74.70	86.70 pass	77.89	40.2	44.4	90.8	展开
文心一言 4.5 ernie	56.40	93.70	58.00	72.80	61.70 pass	73.19	98.7	26.7	100.0	展开
GPT-5.5 gpt	55.80	93.80	97.10	99.40	83.30 pass	72.90	18.5	47.9	90.8	展开

API 访问：如需程序化访问评测数据，请使用我们的 API。