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	75.4	77	76.3
🥈	豆包 Pro volcengine	72.4	84.9	79.3
🥉	DeepSeek R1 DeepSeek	72.1	82.5	77.8
4	Qwen Max Alibaba	70	72.7	71.5
5	DeepSeek V3 DeepSeek	69.1	80.9	75.6
6	Gemini 2.5 Pro Google	69	83.1	76.8
7	Claude Sonnet 4.6 Anthropic	67	82	75.3
8	文心一言 4.0 baidu	66.5	76.7	72.1
9	Claude Opus 4.6 Anthropic	66.3	82	74.9
10	GPT-o3 OpenAI	60.1	80.1	71.1
11	GPT-4o OpenAI	58.8	73.2	66.7