众测榜.

LIVE BENCHMARK真实任务实测

把 AI 编程模型放在同一批真实开源工程任务与视觉推理题上实测的成绩榜:一轮题单同时跑 6 个模型家族的 34 个推理档位,按通过率、耗时、成本与总分排在一起。适合比较「同一档价位里谁改代码更稳、谁更省」,题面、参考答案与每档判分依据都公开可查,成绩只在本轮内比较。

公开数据
  • 本轮批次2026-10-24 22:30
  • 卷面规模9 题 · 34 档 · 340 次判分
  • 评分方式10 项等权 · 满分 150
数据时间:2026-10-28 15:49

全站看板

OVERVIEW全站看板
真实任务 · 公开可复验
本轮题数9当前评测批次的客观题
模型档位34模型 × 推理档位
已判题次340本轮完成的判分条目
批次时间2026-10-24 22:30官方批次完成时间
gpt-6.1-sol单骑与耐力历史规则已调整,统一发布中10-28 13:14 gpt-6.1-sol排查速蹬站疑似问题,等待站长描述10-28 13:14 gpt-6.1-sol使用测试账号跑分,等待站长输入10-28 11:24 gpt-6.1-sol竖屏宣传片动画卡点配音已验收10-28 09:43 gpt-6.1-sol数字恢复真实帧直显,排名平滑换位已上线验收10-28 07:13

本轮题目

TASK原始题面

题面、数据表与参考答案按公开内容整理;每题怎么算分见上面的「本轮评测」。

题号未标注

题面

糖果题(客观题)

鹈鹕动画题(视觉生成题)

同一提示词让各档位生成一段「骑着自行车的鹈鹕」多帧动画,按四维打分。上游没有公开这道题的原始提示词,公开的是评分维度与每档得分,下表照此整理。

评分维度满分看什么
鹈鹕辨识25长喙、喉囊、长颈这些特征是否清楚,能不能一眼认出是鹈鹕
自行车25双轮、辐条、车架、前叉、车把、曲柄的连接是否合理
运动30多帧里腿是否跟着踏板动、车轮是否转,能否看出协调的蹬踏周期
视觉完成度20配色、轮廓、层级与完成度,有没有明显裁切或穿模
合计100四项直接相加,满分 100;不加权合成,也不和糖果题合并成分数

参考答案 · —

本轮判分接受的参考答案是 —;下面是 0 个档位各自提交的答案,和参考答案不一致的会一眼看出来。

鹈鹕题得分 · 46 档
档位总分辨识自行车运动完成度
gpt-6.1-sol · low96————
gpt-6.1-sol · medium88————
gpt-6.1-sol · high99————
gpt-6.1-sol · xhigh99————
gpt-6.1-sol · max100————
gpt-6.1-sol · ultra93————
gpt-6-astra · low98————
gpt-6-astra · medium98————
gpt-6-astra · high99————
gpt-6-astra · xhigh97————
gpt-6-astra · max99————
gpt-6-astra · ultra100————
gpt-6.1-terra · low74————
gpt-6.1-terra · medium69————
gpt-6.1-terra · high72————
gpt-6.1-terra · xhigh81————
gpt-6.1-terra · max98————
gpt-6.1-terra · ultra75————
gpt-6-sol · low58————
gpt-6-sol · medium91————
gpt-6-sol · high94————
gpt-6-sol · xhigh94————
gpt-6-sol · max97————
gpt-6-sol · ultra99————
gpt-6-luna · low47————
gpt-6-luna · medium52————
gpt-6-luna · high52————
gpt-6-luna · xhigh57————
gpt-6-luna · max54————
gpt-5.6-sol · low67————
gpt-5.6-sol · medium56————
gpt-5.6-sol · high59————
gpt-5.6-sol · xhigh73————
gpt-5.6-sol · max71————
gpt-5.6-sol · ultra71————
gpt-5.6-terra · low53————
gpt-5.6-terra · medium41————
gpt-5.6-terra · high52————
gpt-5.6-terra · xhigh49————
gpt-5.6-terra · max57————
gpt-5.6-terra · ultra72————
gpt-5.6-luna · low48————
gpt-5.6-luna · medium57————
gpt-5.6-luna · high32————
gpt-5.6-luna · xhigh45————
gpt-5.6-luna · max66————
评审依据 · 46 档(会剧透)
gpt-6.1-sol · low

证据完整,已核对8帧时间、1280×900视口及原作哈希,HTML确认主体由SVG绘制。鹈鹕辨识、骑乘关系和交替蹬踏表现完整,主要不足是远侧足形简略、缺少链条,以及局部线条和小字受遮挡。

gpt-6.1-sol · medium

证据清单、8帧尺寸与时间戳及原作SHA已核对,HTML确认主体由SVG绘制。骑乘关系和转动清楚,主要不足是腿长伸缩、软管式蹬踏、链罩未连接后轴,以及局部文字和驱动区的可读性。

gpt-6.1-sol · high

已核对HTML、SHA、视口及全部8帧的真实时间戳,确认主体由SVG绘制。鹈鹕造型、骑乘关系和交替蹬踏均有清楚可见证据,扣分来自底部控制栏裁切。

gpt-6.1-sol · xhigh

证据完整,HTML确认主体由SVG绘制。鹈鹕、自行车及骑乘动作关系充分成立,各采样帧呈现轮与曲柄转动、双腿交替蹬踏;仅驱动区局部遮挡影响即时辨读。

gpt-6.1-sol · max

已核对HTML、全部8张原尺寸帧、真实时间戳、视口及SHA,确认主体由SVG绘制。鹈鹕造型、车体结构及骑乘关系完整,采样帧清楚呈现转动角度变化和双腿交替蹬踏,未见命中降档条件的缺陷。

gpt-6.1-sol · ultra

SVG鹈鹕和自行车造型完整,车轮、曲柄与交替蹬踏关系清楚。主要扣分来自足底与踏板的轻微间隙,以及视口底部两处小字裁切。

gpt-6-astra · low

证据清单、8帧尺寸及时间戳完整,原作SHA匹配,HTML确认主体由SVG绘制。鹈鹕造型、骑乘关系和交替蹬踏表现完整,主要不足是底部控件截断及局部驱动区域略显拥挤。

gpt-6-astra · medium

材料完整,HTML确认主体由SVG绘制;全部18帧展示了明确的鹈鹕骑乘关系、车轮与曲柄角度变化,以及双腿交替蹬踏。扣分集中于草叶压住小字和驱动区域的局部遮叠。

gpt-6-astra · high

HTML确认主体由SVG绘制,8张原尺寸帧、时间戳及原作SHA核对一致。鹈鹕辨识、骑乘关系和交替蹬踏表现完整,仅驱动区局部重叠稍影响辨读。

gpt-6-astra · xhigh

证据清单、8帧时间戳、1280×900尺寸及原作哈希已核对,HTML确认主体由SVG绘制。鹈鹕造型、车辆结构与交替蹬踏关系完整,主要不足是底部控件裁切、小字与装饰重叠,以及驱动区域局部线条缠绕。

gpt-6-astra · max

已核对HTML、哈希、时间戳及全部8张原尺寸帧,主体确由SVG绘制。采样帧中的骑乘关系、轮组转动和双腿交替蹬踏均明确,仅驱动区域局部叠线影响辨读。

gpt-6-astra · ultra

已核对HTML、SHA、8张原尺寸帧及真实时间戳,主体确由SVG绘制。给定帧充分展示完整的鹈鹕骑乘造型、脚踏关系和交替蹬踏,各项达到满分要求,未触发门槛。

gpt-6.1-terra · low

证据完整,HTML确认主体由SVG绘制。鹈鹕造型清晰、画面协调,两轮和曲柄有可见转动;主要失分在脚与踏板接触不足、腿部动作未交替配合曲柄,以及远侧腿的层次错误。

gpt-6.1-terra · medium

证据清单、8帧尺寸与时间戳及HTML校验值均已核对,主体确认由SVG绘制。造型完整、车轮转动与双腿交替可见,但缺少曲柄和踏板,脚未形成踩踏关系,远侧腿的遮挡层次也有错误。

gpt-6.1-terra · high

鹈鹕特征清楚,车辆主体完整,画面协调,双轮和两腿均有可见变化。主要不足是曲柄未展示角度变化、脚踏接触反复错位、座位承托不清及远侧腿层次错误。

gpt-6.1-terra · xhigh

已核对HTML、8张原尺寸帧、真实时间戳及匹配的SHA;主体由SVG绘制。轮与曲柄角度变化、双腿交替和足端对应关系清楚,主要不足是尾部缺失、腿根与身体断开、坐姿轻微悬空及传动结构简化。

gpt-6.1-terra · max

证据完整,SVG主体明确;车轮与曲柄有可见角度变化,双腿交替蹬踏且足踏关系成立。主要瑕疵是部分帧臀腹与车座之间轻微悬空。

gpt-6.1-terra · ultra

证据完整,HTML确认主体由SVG绘制,八帧显示车轮和曲柄有局部运动。造型与画面完成度较好,主要扣分来自脚踏接触不足、腿与曲柄动作不协调、远侧腿层次错误及缺少链条。

gpt-6-sol · low

造型清楚、配色协调,但双脚停在中轴附近,双腿未随曲柄交替蹬踏,后轮也缺少可见转动线索。材料完整,主体由SVG绘制,未触发有效性门槛。

gpt-6-sol · medium

鹈鹕辨识清楚,车轮、曲柄转动及双腿交替踩踏均有可见证据,画面完成度高。主要问题是腿长伸缩、远侧腿层次错误、缺少链条,以及个别帧轻微离座。

gpt-6-sol · high

证据完整,HTML确认主体由SVG绘制;鹈鹕辨识度高,车轮转动与交替蹬踏均有可见证据。主要不足是缺少链条或链罩、车座轻微穿插,以及远侧腿遮挡车架的层次错误。

gpt-6-sol · xhigh

证据清单、8帧原尺寸图及原作SHA已核对,HTML确认主体由SVG绘制;骑姿、轮与曲柄的角度变化及双腿交替均有可见证据。主要不足是缺少可辨踏板、链线未连接后轴,以及远侧腿与车架的遮挡层次错误。

gpt-6-sol · max

证据完整,已核对HTML中的SVG绘制及8帧的时间、尺寸和原作SHA。鹈鹕造型、车辆结构及交替踩踏关系清楚,主要缺陷是远侧腿与车架的前后遮挡层次错误。

gpt-6-sol · ultra

已核对HTML、SHA、八张原尺寸帧及真实时间戳,确认主体由SVG绘制。鹈鹕造型、骑乘关系和交替蹬踏表现完整,扣分仅为未见连接后轴的链条或链罩。

gpt-6-luna · low

证据清单、8张原尺寸帧、时间戳及原作SHA均已核对,HTML确认主体由SVG绘制。鹈鹕辨识清楚、画面造型完整,但自行车前部连接缺失、整轮离轴,双脚及腿姿未随曲柄形成有效蹬踏。

gpt-6-luna · medium

证据完整,已确认主体由SVG绘制。鹈鹕辨识清楚、画面协调且车轮有可见角度变化,但坐姿、传动连接及双腿交替踩踏关系未成立。

gpt-6-luna · high

HTML、8张原尺寸帧、时间戳及视口信息完整,原作SHA匹配,已确认主体由SVG绘制。鹈鹕辨识度和画面完成度良好,但车架连接、坐姿及腿部层次存在问题,双脚未踩踏板,腿姿也未随曲柄交替变化。

gpt-6-luna · xhigh

已核对HTML、8张1280×900原尺寸帧及真实时间戳,主体由SVG绘制,证据完整。鹈鹕辨识和画面造型良好,但多数帧车轮离轴、脚踏接触零星,双腿没有随曲柄交替屈伸。

gpt-6-luna · max

证据完整,已核对8张原尺寸帧、真实时间戳及HTML哈希,主体由SVG绘制。画面清晰协调,但未坐实车座,脚仅偶尔接触踏板,双腿没有随曲柄交替蹬踏,前轮辐条存在明显偏心。

gpt-5.6-sol · low

证据完整,已确认主体由SVG绘制。造型与画面完成度较好,车轮和曲柄存在可见转动,但落座、脚与踏板接触、交替蹬踏及远近腿层次存在明显问题。

gpt-5.6-sol · medium

已核对HTML、SHA及8张1280×900原尺寸帧和真实时间戳,主体由SVG绘制。鹈鹕造型与画面完成度较好,但多数帧车轮离轴,双脚未踩住踏板,腿部动作与曲柄不协调。

gpt-5.6-sol · high

已核对HTML中的SVG、八张原尺寸帧、真实时间戳及原作哈希。鹈鹕造型和画面表现清楚,但脚与曲柄末端脱离、腿部动作缺乏上下交替,并存在头朝车尾、远侧腿层次错误和文字裁切。

gpt-5.6-sol · xhigh

鹈鹕形象清楚,画面完整协调,两轮与曲柄有可见转动,骑乘位置稳定。主要不足是双脚仅零星接触踏板、两腿未随曲柄交替升降,以及远侧腿与车架的遮挡层次错误。

gpt-5.6-sol · max

证据完整,HTML确认主体由SVG绘制。鹈鹕造型、车辆结构和轮轴转动表现清楚,但腿端没有踩住踏板,双腿未形成交替蹬踏,远侧腿的遮挡层次也有错误。

gpt-5.6-sol · ultra

鹈鹕造型明确,自行车结构完整,两轮和曲柄有清楚的转动证据。主要失分来自脚踏接触仅零星成立、腿部动作与曲柄不对应,以及远腿层次错误和标题字形重叠。

gpt-5.6-terra · low

材料完整,已查看全部8张原始帧和10张补充帧,并确认主体由SVG绘制。鹈鹕辨识度和画面完成度较好,车轮与曲柄有可见转动,但坐姿、传动结构及脚踏接触存在缺陷,两腿未展示交替蹬踏。

gpt-5.6-terra · medium

材料完整,已核对HTML并查看全部8张原始帧与10张补充帧。画面整洁,但双腿脱离身体、双脚未踩踏板,多数帧车轮离轴,骑行关系与运动完成度不足。

gpt-5.6-terra · high

材料完整,已查看全部8张原始帧及10张补充帧,HTML确认主体由SVG绘制。造型和配色清晰,但脚踏接触仅零星成立,两腿未展示交替蹬踏,曲柄中心存在漂移,座位承托关系也未明确展示。

gpt-5.6-terra · xhigh

材料完整,已查看全部8张原始帧及10张补充帧,HTML确认主体由SVG绘制。造型与配色清楚,但自行车连接、骑乘朝向、脚踏接触和腿随曲柄交替的展示不足;两轮没有可见转动线索。

gpt-5.6-terra · max

证据完整,已核对8帧的尺寸、时间戳及原作SHA,并确认主体由SVG绘制。造型清楚,轮辐与曲柄有可见角度变化,但鹈鹕朝向车尾,双脚停在中轴附近,两腿没有随曲柄交替蹬踏。

gpt-5.6-terra · ultra

HTML、八张原尺寸帧、真实时间戳及SHA核对完整。鹈鹕辨识度和画面完成度较高,主要失分在脚与踏板接触稀少、腿部未随曲柄交替屈伸,以及远侧腿足的遮挡层次错误。

gpt-5.6-luna · low

证据完整,HTML确认主体由SVG绘制。鹈鹕造型和画面完成度较好,但自行车连接与传动部件不完整,双脚没有踩踏,辐条组在多帧中离开轮圈,骑行关系存在明显问题。

gpt-5.6-luna · medium

已核对HTML、匹配的SHA、八张原尺寸帧及真实时间戳,证据完整且主体由SVG绘制。鹈鹕造型和画面清晰,但车架连接不完整、辐条离轴,双脚未随踏板运动,两腿缺少交替蹬踏。

gpt-5.6-luna · high

证据完整,原作SHA匹配,已查看全部8帧并确认主体由SVG绘制。画面造型和配色清晰,但身体悬空、腿部断接、脚未随踏板运动,辐条及曲柄也存在明显离轴问题。

gpt-5.6-luna · xhigh

证据清单、8帧尺寸及原作SHA已核对,HTML确认主体由SVG绘制。鹈鹕形象与画面完成度较好,但连接错位、腿脚脱节、没有踩住踏板,以及超过半数帧车轮消失,严重影响骑行动画表现。

gpt-5.6-luna · max

证据完整,已核对原作SHA、8帧尺寸及时间戳,并确认主体由SVG绘制。鹈鹕辨识度和画面完成度较好,轮辐与曲柄有可见角度变化;主要问题是双脚未踩踏板、腿部缺乏交替蹬踏及前后层次错误。

支持的运行工具与模型

SUPPORTED RUNTIMES运行工具与模型

众测榜在真实开源软件工程任务和视觉推理题上持续实测主流 AI 编程模型,公开通过率、总分、耗时、成本、样本量与服务端复验结果。

Codex

GPT-5.6 · GPT-5.5 · DeepSeek V4

Claude Code内测中

Claude Sonnet 5 · Claude Opus 5

DSH

DeepSeek V4 Flash · V4.1 · Vision

ZCode

GLM-5.3 · GLM-5.3 Flash

Grok

Grok 4.6

Kimi Code

K3

Antigravity

Gemini 3.7 / 3.8 Flash

CodeBuddy

HY4 Preview

本轮评测

BENCHMARK本轮评测

一轮题单跑完所有模型档位,成绩按同一份评分方式合并;不做跨轮混排。

统一 10 题 · 9 道客观题 + 1 道动画题

统一 10 题 · 软件工程 + 视觉推理

同一轮里跑 9 道客观题(DeepSWE / TB4 / 庞贝邻接恢复 / 糖果跨形)与 1 道鹈鹕动画题,按每题权重合并成 0–150 总分。

评分模式:weighted-10-items · 主指标:总分(0–150) · 每题 15 分按权重 0.1 合并,未完成不计 0 分

客观题
9
模型档位
34
满分
150

运行工具 + 模型能力看板

CAPABILITY DASHBOARD能力看板
公开数据 · 点击后同步
总分 = 最近一轮 10 题合并分(满分 150);通过数按 9 道客观题计,样本量为本轮判分条目数。本轮官方只发布 GPT 系列 6 个模型 / 34 个推理档位,暂无 Claude、Gemini、GLM、DeepSeek、Grok 的同批次成绩(下方「体感分」覆盖的模型更广,两者不是同一批数据)。

gpt-6-astra

xhigh · 8/9 通过
148.5/150
9.98 min平均耗时$2.25平均费用10样本量

gpt-6-astra

ultra · 8/9 通过
148.0/150
9.13 min平均耗时$5.56平均费用10样本量

gpt-6-astra

max · 8/9 通过
148.0/150
11.43 min平均耗时$2.55平均费用10样本量

gpt-6.1-sol

ultra · 8/9 通过
145.1/150
11.78 min平均耗时$1.10平均费用10样本量

gpt-6.1-sol

xhigh · 8/9 通过
133.8/150
10.80 min平均耗时$0.40平均费用10样本量

gpt-6.1-sol

max · 7/9 通过
133.1/150
14.01 min平均耗时$0.57平均费用10样本量

gpt-6.1-sol

high · 7/9 通过
128.4/150
9.26 min平均耗时$0.34平均费用10样本量

gpt-6-astra

medium · 7/9 通过
118.7/150
3.80 min平均耗时$0.95平均费用10样本量

gpt-6-astra

high · 6/9 通过
115.2/150
6.81 min平均耗时$1.55平均费用10样本量

gpt-5.6-sol

ultra · 6/9 通过
114.0/150
17.65 min平均耗时$8.18平均费用10样本量

gpt-6.1-sol

medium · 6/9 通过
110.5/150
5.11 min平均耗时$0.23平均费用10样本量

gpt-6-sol

max · 6/9 通过
109.6/150
9.10 min平均耗时$0.75平均费用10样本量

gpt-6-astra

low · 5/9 通过
103.3/150
3.76 min平均耗时$1.00平均费用10样本量

gpt-6.1-sol

low · 5/9 通过
101.4/150
4.51 min平均耗时$0.20平均费用10样本量

gpt-5.6-sol

max · 5/9 通过
101.1/150
13.92 min平均耗时$3.00平均费用10样本量

gpt-6-sol

high · 5/9 通过
95.5/150
5.61 min平均耗时$0.52平均费用10样本量

gpt-5.6-luna

max · 5/9 通过
91.0/150
12.86 min平均耗时$0.25平均费用10样本量

gpt-5.6-sol

high · 5/9 通过
90.8/150
7.92 min平均耗时$1.32平均费用10样本量

gpt-6-sol

ultra · 4/9 通过
81.6/150
8.05 min平均耗时$1.63平均费用10样本量

gpt-6-sol

xhigh · 3/9 通过
67.1/150
10.66 min平均耗时$1.04平均费用10样本量

gpt-6-sol

medium · 3/9 通过
66.6/150
4.50 min平均耗时$0.36平均费用10样本量

gpt-6-luna

max · 3/9 通过
58.5/150
6.21 min平均耗时$0.03平均费用10样本量

gpt-5.6-luna

high · 3/9 通过
54.6/150
8.10 min平均耗时$0.11平均费用10样本量

gpt-5.6-sol

xhigh · 2/9 通过
49.0/150
10.83 min平均耗时$2.07平均费用10样本量

gpt-5.6-sol

medium · 2/9 通过
46.7/150
9.31 min平均耗时$1.21平均费用10样本量

gpt-5.6-luna

xhigh · 2/9 通过
46.0/150
8.25 min平均耗时$0.14平均费用10样本量

gpt-5.6-sol

low · 2/9 通过
40.8/150
4.84 min平均耗时$0.71平均费用10样本量

gpt-6-sol

low · 1/9 通过
32.9/150
3.37 min平均耗时$0.28平均费用10样本量

gpt-6-luna

xhigh · 1/9 通过
32.1/150
6.51 min平均耗时$0.04平均费用10样本量

gpt-5.6-luna

medium · 1/9 通过
31.4/150
5.06 min平均耗时$0.04平均费用10样本量

gpt-6-luna

high · 1/9 通过
31.1/150
6.74 min平均耗时$0.02平均费用10样本量

gpt-5.6-luna

low · 1/9 通过
23.6/150
3.30 min平均耗时$0.02平均费用10样本量

gpt-6-luna

low · 0/9 通过
14.8/150
3.16 min平均耗时$0.01平均费用10样本量

gpt-6-luna

medium · 0/9 通过
14.5/150
3.18 min平均耗时$0.01平均费用10样本量

本轮判分矩阵

RESULTS MATRIX本轮判分矩阵

本轮题单 × 模型档位的判分结果,可横向滑动查看全部档位

9 题 · 34 组合
本轮批次9 题 × 34 档判分条目340格子状态来自本轮判分结果;表格可左右滑动查看全部档位。
任务类别gpt-6-astraultragpt-6-astramaxgpt-6-astraxhighgpt-6-astrahighgpt-6-astramediumgpt-6-astralowgpt-6.1-solultragpt-6.1-solmaxgpt-6.1-solxhighgpt-6.1-solhighgpt-6.1-solmediumgpt-6.1-sollowgpt-6-solultragpt-6-solmaxgpt-6-solxhighgpt-6-solhighgpt-6-solmediumgpt-6-sollowgpt-5.6-solultragpt-5.6-solmaxgpt-5.6-solxhighgpt-5.6-solhighgpt-5.6-solmediumgpt-5.6-sollowgpt-6-lunamaxgpt-6-lunaxhighgpt-6-lunahighgpt-6-lunamediumgpt-6-lunalowgpt-5.6-lunamaxgpt-5.6-lunaxhighgpt-5.6-lunahighgpt-5.6-lunamediumgpt-5.6-lunalow
Cliffy 配置文件解析deepswe:cliffy-config-file-parsingdeepswe 最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近未通过最近通过最近未通过最近通过最近未通过最近未通过最近通过最近通过最近未通过最近通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近通过最近通过最近通过最近未通过最近未通过
Kombu 虚拟队列死信处理deepswe:kombu-virtual-queue-dead-letteringdeepswe 最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近通过最近未通过最近未通过最近未通过最近未通过
CSSTree 简写展开与压缩deepswe:csstree-shorthand-expansion-compressiondeepswe 最近通过最近通过最近通过最近未通过最近未通过最近未通过最近通过最近通过最近通过最近通过最近通过最近未通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过
Anko 类型变量绑定deepswe:anko-typed-variable-bindingsdeepswe 最近通过最近通过最近通过最近未通过最近未通过最近未通过最近通过最近通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近通过最近未通过最近未通过最近通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近通过最近未通过最近通过最近未通过最近未通过
WAL 恢复顺序tb4:wal-recovery-orderingtb4 最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近未通过最近通过最近未通过最近未通过最近未通过最近未通过最近通过最近通过最近未通过最近通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近通过最近未通过最近未通过最近未通过最近未通过
MVCC 与 LSM 压缩tb4:mvcc-lsm-compactiontb4 最近通过最近通过最近通过最近通过最近通过最近未通过最近通过最近未通过最近通过最近通过最近未通过最近未通过最近通过最近通过最近未通过最近通过最近未通过最近未通过最近通过最近通过最近未通过最近未通过最近未通过最近未通过最近通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过
庞贝邻接推理pompeii:pompeii-adjacency-rp-040pompeii 最近未通过最近未通过最近未通过最近未通过最近通过最近未通过最近未通过最近未通过最近通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过
近地天体轨道确定science:neo-orbit-determinationscience 最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过最近未通过
糖果异形异味配对保证题local-reasoning:candy-cross-shapelocal-reasoning 最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近未通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近通过最近未通过最近未通过最近通过最近通过最近通过最近通过最近通过

左右滑动查看更多模型档位

常见问题

FAQ常见问题
这个榜测的是什么?+

这个榜每轮会出一批题(本轮是 9 道客观题 + 1 道动画题),让 34 个模型档位——6 个 GPT 系列模型 × 6 档推理强度——分别作答,再按每题等权合并成 0–150 分排名。这里只列这批公开成绩,不重跑题目。

满分为什么是 150?为什么一轮只有 9 道客观题?+

因为 10 项等权、每项 15 分(9 道客观题 + 1 道动画题)。未完成或未评的项不按 0 分算,直接不参与合计,所以同一轮里各档位的「已评项数」可能不一样。

分数能跨轮比吗?+

不能。每一轮的题目不同,分数只在本轮内有可比性;本页不做跨轮混排,历史轮次也不和本轮拼名次。

为什么只有 GPT 系列 6 个模型?没有 Claude、Gemini 吗?+

本轮只发布了这 6 个模型家族的 34 个档位,Claude、Gemini、GLM、DeepSeek、Grok 等没有进入同一批次。本页只列真实存在的档位,不拿别处的分数拼进来。

「判分矩阵」里的最近通过 / 最近未通过是什么意思?+

每一格是「某个档位在某道题上最近一次判分的结果」:最近通过、最近未通过、无数据(这一档没跑这道题)。矩阵只展示已有结果,不能在这里领题,也没有提交答案的入口。

我能自己复验这些分数吗?+

能。本轮题面、数据表、参考答案(15)以及每一档的评审依据(总评 + 鹈鹕辨识 / 自行车 / 运动 / 视觉完成度四段评语 + 不足清单)都放在上面的「本轮题目」里,页头还标了核验时间与题号。

这页的分数和「体感分」是一回事吗?+

不是。体感分来自用户对模型的主观打分(10 分制),放在 Codex 实测页;本页是客观判分成绩。两套数据的样本、评分方式与更新节奏都不同,不能互相换算。

数据多久更新一次?会消耗我的额度吗?+

数据随每轮评测批次按小时刷新,页头标的是这份数据的时间。这里只列公开成绩,不代跑题目,也不接触你的账号、订阅或 API Key。

众测榜 · 数据时间 2026-10-28 15:49

成绩来自公开评测批次与公开页面的实测数据,数据时间 2026-10-28 15:49。