YZ Index

赢政指数 · 材料约束排行榜

长文档理解、跨段落推理、引用必查、矛盾检测。瞎编扣分。

主榜代码执行排行榜材料约束排行榜工程判断排行榜任务表达排行榜性价比排行榜升降榜

#	模型	材料约束	代码执行	主榜
🥇	Grok 3 xai	79	88.8	84.4
🥈	豆包 Pro volcengine	77.6	91.1	85
🥉	DeepSeek V3 DeepSeek	75.8	87.3	82.1
4	Qwen Max Alibaba	75.4	77.3	76.5
5	Gemini 2.5 Pro Google	73.9	80.7	77.6
6	DeepSeek R1 DeepSeek	73.4	91	83.1
7	文心一言 4.0 baidu	72	85.8	79.6
8	Claude Sonnet 4.6 Anthropic	71.1	88.7	80.8
9	Claude Opus 4.6 Anthropic	68.9	91.5	81.3
10	GPT-o3 OpenAI	58.5	80.2	70.4
11	GPT-4o OpenAI	49.3	76.6	64.3