Scale SEAL 专家子榜
Scale SEAL LeaderboardsSEAL 由 Scale AI 维护，按前沿能力、Agent 工程、安全等方向分成数十张子榜，逐榜给出前六名；本页完整收录这些子榜而不合并成综合分。
收录成绩
173 条成绩 · 29 张子榜
官方分（各子榜口径不同） · 数据日期 2026-10-28 23:58
该榜官方按主题拆成 29 张子榜、共 173 条成绩， 这里保留每张子榜的官方名次、不做跨子榜综合排名——各子榜的评分方式不同（有的百分比、有的 Elo），不在同一量纲上，合并相加没有意义。 这份数据的时间是 2026-10-28 23:58（北京时间）。
收录条数
173
官方子榜 29 张，逐榜保留名次
主指标
29 张子榜
不跨子榜合并排名
综合平均
—
子榜量纲不同，不给平均
数据日期
2026-10-28 23:58
这一批成绩的公布时间
各子榜官方排名
Scale AI · 29 张子榜名次是各子榜内名次，同一模型可能出现在多张子榜里。条形长度按当前这些成绩里的最大值算，领跑那条填满整列，其余按比例缩短（灰斜纹是「额外真实缺陷」，只与同列比、不与分数比）。官方没给的数据显示「—」。
| 子榜名次 | 子榜 | 模型 | 该子榜上限 | 95% 区间（±） | 官方分（各子榜口径不同） | 说明 |
|---|---|---|---|---|---|---|
| 1 | DistressBench |
muse-spark-1.2
|
92 | 0.9 | 88.39 | 安全 |
| 2 | DistressBench |
muse-spark-1.3
|
92 | 0.9 | 84.88 | 安全 |
| 3 | DistressBench |
muse-glimmer-30b
|
92 | 1 | 80.57 | 安全 |
| 4 | DistressBench |
deepseek-v4.1-flash
|
92 | 1 | 79.78 | 安全 |
| 5 | DistressBench |
inkling
|
92 | 1.1 | 78.47 | 安全 |
| 6 | DistressBench |
qwen3.8-max
|
92 | 1 | 77.64 | 安全 |
| 1 | Humanity's Last Exam (Diamond) |
gpt-6-astra
|
65.5 | 3 | 60.6 | 前沿能力 |
| 2 | Humanity's Last Exam (Diamond) |
claude-opus-5-5
|
65.5 | 3.1 | 55 | 前沿能力 |
| 3 | Humanity's Last Exam (Diamond) |
gemini-4-argon
|
65.5 | 3.1 | 53.2 | 前沿能力 · 新上榜 |
| 4 | Humanity's Last Exam (Diamond) |
claude-fable-5-1
|
65.5 | 3.1 | 51.3 | 前沿能力 |
| 5 | Humanity's Last Exam (Diamond) |
claude-opus-5
|
65.5 | 3 | 38.6 | 前沿能力 |
| 6 | Humanity's Last Exam (Diamond) |
claude-sonnet-5-5
|
65.5 | 3 | 37.5 | 前沿能力 · 新上榜 |
| 1 | DrugDiscoveryBench |
GPT 6 Astra (mini-SWE-agent) max
|
73.3 | 2.5 | 68.7 | Agent 与工程 · 新上榜 |
| 2 | DrugDiscoveryBench |
GPT 6 Astra (Codex) max
|
73.3 | 1.9 | 65.4 | Agent 与工程 · 新上榜 |
| 3 | DrugDiscoveryBench |
Gemini 4 Argon (mini-swe-agent) high
|
73.3 | 2.9 | 65.4 | Agent 与工程 · 新上榜 |
| 4 | DrugDiscoveryBench |
Muse-Spark 1.3 (mini-SWE-agent) high
|
73.3 | 2.1 | 62.2 | Agent 与工程 · 新上榜 |
| 5 | DrugDiscoveryBench |
Deepseek V4p1 Flash 1017 (mini-swe-agent) xhigh
|
73.3 | 4.8 | 60.6 | Agent 与工程 · 新上榜 |
| 6 | DrugDiscoveryBench |
GPT 5.6 Sol (Codex) max
|
73.3 | 0.7 | 56.5 | Agent 与工程 · 新上榜 |
| 1 | SWE Atlas - Test Writing |
Fable-5.1 (Claude Code) xHigh*
|
74.5 | 5.3 | 67.04 | Agent 与工程 · 新上榜 |
| 2 | SWE Atlas - Test Writing |
Opus 5 (Claude Code) xHigh
|
74.5 | 5.6 | 62.22 | Agent 与工程 |
| 3 | SWE Atlas - Test Writing |
Fable-5 (Claude Code) xHigh*
|
74.5 | 5.8 | 55.6 | Agent 与工程 |
| 4 | SWE Atlas - Test Writing |
Gemini 3.8 Flash (Mini-SWE-Agent)
|
74.5 | 5.9 | 53.7 | Agent 与工程 · 新上榜 |
| 5 | SWE Atlas - Test Writing |
GPT 6 Astra (Codex) xHigh
|
74.5 | 5.9 | 50.74 | Agent 与工程 · 新上榜 |
| 6 | SWE Atlas - Test Writing |
Opus 4.8 (Claude Code) xhigh
|
74.5 | 5.9 | 49.63 | Agent 与工程 |
| 1 | HiL-Bench (Human-in-Loop Benchmark) |
Muse Wonder 1.0
|
86.4 | 4.2 | 79.67 | Agent 与工程 · 新上榜 |
| 2 | HiL-Bench (Human-in-Loop Benchmark) |
MuseSpark 1.3
|
86.4 | 5.1 | 66.89 | Agent 与工程 |
| 3 | HiL-Bench (Human-in-Loop Benchmark) |
GPT 6 Astra
|
86.4 | 5.2 | 65.32 | Agent 与工程 |
| 4 | HiL-Bench (Human-in-Loop Benchmark) |
GPT 6.1 Sol
|
86.4 | 5.3 | 62.33 | Agent 与工程 |
| 5 | HiL-Bench (Human-in-Loop Benchmark) |
Gemini 4 Argon
|
86.4 | 5.3 | 62 | Agent 与工程 |
| 6 | HiL-Bench (Human-in-Loop Benchmark) |
Claude Fable 5.1
|
86.4 | 6.5 | 61.5 | Agent 与工程 |
| 1 | MCP Atlas |
Muse Spark 1.1
|
92.8 | 1.9 | 88.1 | Agent 与工程 |
| 2 | MCP Atlas |
Fable 5.1
|
92.8 | 2 | 87.2 | Agent 与工程 · 新上榜 |
| 3 | MCP Atlas |
claude-opus-5 (xhigh)
|
92.8 | 2.1 | 85.8 | Agent 与工程 |
| 4 | MCP Atlas |
Qwen3.8-2.4T-A95B (xHigh)
|
92.8 | 2.2 | 84.5 | Agent 与工程 |
| 5 | MCP Atlas |
GLM 5.3
|
92.8 | 2.1 | 84.2 | Agent 与工程 |
| 6 | MCP Atlas |
Gemini 3.5 Flash (high)
|
92.8 | 2.3 | 83.6 | Agent 与工程 |
| 1 | SciPredict |
gemini-3-pro-preview
|
28 | 1.9 | 25.27 | 前沿能力 |
| 2 | SciPredict |
claude-opus-4-5-20251101
|
28 | 0.5 | 23.05 | 前沿能力 |
| 3 | SciPredict |
claude-sonnet-4-5-20250929
|
28 | 0.8 | 22.55 | 前沿能力 |
| 4 | SciPredict |
gemini-3-flash
|
28 | 1.1 | 22.22 | 前沿能力 |
| 5 | SciPredict |
claude-opus-4-1-20250805
|
28 | 1.5 | 22.22 | 前沿能力 |
| 6 | SciPredict |
gpt-5.2-2025-12-11
|
28 | 1 | 20.58 | 前沿能力 |
| 1 | Humanity's Last Exam (Text Only) |
GPT 6 Astra
|
57.9 | 2.1 | 54.17 | 前沿能力 · 新上榜 |
| 2 | Humanity's Last Exam (Text Only) |
gemini-3.1-pro-preview (thinking high)
|
57.9 | 2.1 | 47.31 | 前沿能力 |
| 3 | Humanity's Last Exam (Text Only) |
Fable 5.1 (xhigh)
|
57.9 | 2.1 | 46.8 | 前沿能力 · 新上榜 |
| 4 | Humanity's Last Exam (Text Only) |
Sonnet 5.5 (xhigh)
|
57.9 | 2.1 | 46.62 | 前沿能力 · 新上榜 |
| 5 | Humanity's Last Exam (Text Only) |
gpt-5.4-pro-2026-03-05
|
57.9 | 2.1 | 45.32 | 前沿能力 |
| 6 | Humanity's Last Exam (Text Only) |
Gemini 3.8 Flash
|
57.9 | 2.1 | 44.95 | 前沿能力 · 新上榜 |
| 1 | AudioMultiChallenge - Audio Output |
gpt-realtime-2 (xHigh)
|
54.6 | 4.6 | 48.45 | 前沿能力 |
| 2 | AudioMultiChallenge - Audio Output |
tml-interaction-small
|
54.6 | 4.5 | 43.36 | 前沿能力 |
| 3 | AudioMultiChallenge - Audio Output |
gpt-realtime-2
|
54.6 | 4.5 | 37.61 | 前沿能力 |
| 4 | AudioMultiChallenge - Audio Output |
gemini-3.1-flash-live-preview (Thinking)
|
54.6 | 4.4 | 36.06 | 前沿能力 |
| 5 | AudioMultiChallenge - Audio Output |
gpt-realtime-1.5
|
54.6 | 4.4 | 34.73 | 前沿能力 |
| 6 | AudioMultiChallenge - Audio Output |
gemini-3.1-flash-live-preview
|
54.6 | 4.1 | 26.77 | 前沿能力 |
| 1 | Remote Labor Index (RLI) |
Opus 5.5
|
21.9 | 0 | 21.25 | Agent 与工程 |
| 2 | Remote Labor Index (RLI) |
GPT 6 Astra
|
21.9 | 0 | 20.83 | Agent 与工程 |
| 3 | Remote Labor Index (RLI) |
Fable 5.1
|
21.9 | 0 | 17.92 | Agent 与工程 |
| 4 | Remote Labor Index (RLI) |
Gemini Argon 4
|
21.9 | 0 | 17.08 | Agent 与工程 · 新上榜 |
| 5 | Remote Labor Index (RLI) |
Fable 5
|
21.9 | 0 | 15.83 | Agent 与工程 |
| 6 | Remote Labor Index (RLI) |
Opus 4.8
|
21.9 | 0 | 8.33 | Agent 与工程 |
| 1 | PropensityBench |
o3-2025-04-16
|
82 | 0.6 | 10.5 | 安全 |
| 2 | PropensityBench |
claude-sonnet-4-20250514
|
82 | 0.2 | 12.2 | 安全 |
| 3 | PropensityBench |
o4-mini-2025-04-16
|
82 | 0.4 | 15.8 | 安全 |
| 4 | PropensityBench |
Qwen2.5-32B
|
82 | 1.2 | 22.9 | 安全 |
| 5 | PropensityBench |
o3-mini-2025-01-31
|
82 | 0.4 | 33.2 | 安全 |
| 6 | PropensityBench |
gpt-5.2-2025-12-11
|
82 | 1.1 | 34.35 | 安全 |
| 1 | VisualToolBench (VTB) |
Muse Spark 1.1
|
49 | 2.8 | 44.77 | 前沿能力 · 新上榜 |
| 2 | VisualToolBench (VTB) |
gpt-5.4-2026-03-05 (reasoning effort = high)
|
49 | 0.1 | 29.17 | 前沿能力 |
| 3 | VisualToolBench (VTB) |
gemini-3.1-pro-preview
|
49 | 0.9 | 28.97 | 前沿能力 |
| 4 | VisualToolBench (VTB) |
claude-opus-4-6-thinking
|
49 | 1.4 | 27.52 | 前沿能力 |
| 5 | VisualToolBench (VTB) |
gemini-3-pro-preview
|
49 | 0.5 | 26.85 | 前沿能力 |
| 6 | VisualToolBench (VTB) |
gpt-5-2025-08-07-thinking
|
49 | 0.2 | 18.68 | 前沿能力 |
| 1 | MultiNRC |
Muse Spark 1.1
|
70.5 | 2.9 | 65.59 | 前沿能力 · 新上榜 |
| 2 | MultiNRC |
gpt-5-pro-2025-10-06
|
70.5 | 1.2 | 65.2 | 前沿能力 |
| 3 | MultiNRC |
gemini-3.1-pro-preview
|
70.5 | 2.9 | 64.74 | 前沿能力 |
| 4 | MultiNRC |
gpt-5.4-pro-2026-03-05
|
70.5 | 2.9 | 62.27 | 前沿能力 |
| 5 | MultiNRC |
Muse Spark
|
70.5 | 3 | 59.05 | 前沿能力 |
| 6 | MultiNRC |
gemini-3-pro-preview
|
70.5 | 3 | 58.96 | 前沿能力 |
| 1 | Fortress |
claude-opus-5-5-max
|
79.4 | 1.3 | 5.78 | 安全 · 新上榜 |
| 2 | Fortress |
gpt-oss-120b
|
79.4 | 1.9 | 8.24 | 安全 |
| 3 | Fortress |
Claude Haiku 5.5
|
79.4 | 1.3 | 9.48 | 安全 · 新上榜 |
| 4 | Fortress |
claude-opus-4-5-20251101-thinking
|
79.4 | 2.1 | 9.6252 | 安全 |
| 5 | Fortress |
gpt-6-luna
|
79.4 | 1.2 | 10.78 | 安全 · 新上榜 |
| 6 | Fortress |
Muse Spark 1.1
|
79.4 | 1.5 | 12.4 | 安全 · 新上榜 |
| 1 | MASK |
claude-opus-4-6 (Non-Thinking)
|
100.5 | 0.4 | 96.28 | 安全 |
| 2 | MASK |
claude-sonnet-4-5-20250929-thinking
|
100.5 | 0.6 | 96.13 | 安全 |
| 3 | MASK |
Claude Sonnet 4 (Thinking)
|
100.5 | 2.3 | 95.33 | 安全 |
| 4 | MASK |
claude-opus-4-1-20250805-thinking
|
100.5 | 1.8 | 94.2 | 安全 |
| 5 | MASK |
claude-opus-4-5-20251101-thinking
|
100.5 | 1.2 | 92.53 | 安全 |
| 6 | MASK |
gpt-oss-120b
|
100.5 | 0.9 | 92 | 安全 |
| 1 | EnigmaEval |
claude-fable-5-high
|
43.3 | 2.8 | 39.28 | 前沿能力 |
| 2 | EnigmaEval |
gpt-5.6-sol-high
|
43.3 | 2.8 | 37.12 | 前沿能力 |
| 3 | EnigmaEval |
gemini-3.1-pro-preview-high
|
43.3 | 2.7 | 36.78 | 前沿能力 |
| 4 | EnigmaEval |
gemini-3.5-flash-high
|
43.3 | 2.5 | 25.41 | 前沿能力 |
| 5 | EnigmaEval |
claude-opus-4-8-xhigh
|
43.3 | 2.4 | 23.51 | 前沿能力 |
| 1 | VISTA |
Gemini 2.5 Pro Experimental (March 2025)
|
57.8 | 1.5 | 54.65 | 前沿能力 |
| 2 | VISTA |
gemini-2.5-pro-preview-06-05
|
57.8 | 0.6 | 54.63 | 前沿能力 |
| 3 | VISTA |
gpt-5.4-pro-2026-03-05
|
57.8 | 2 | 53.89 | 前沿能力 |
| 4 | VISTA |
gpt-5-pro-2025-10-06
|
57.8 | 1.1 | 52.39 | 前沿能力 |
| 5 | VISTA |
o4-mini (high) (April 2025)
|
57.8 | 0.6 | 51.79 | 前沿能力 |
| 6 | VISTA |
o4-mini (medium) (April 2025)
|
57.8 | 1.1 | 51.66 | 前沿能力 |
| 1 | TutorBench |
Muse Spark
|
71.6 | 0.9 | 68.55 | 前沿能力 |
| 2 | TutorBench |
gpt-5.4-pro-2026-03-05
|
71.6 | 1 | 56.6249 | 前沿能力 |
| 3 | TutorBench |
gemini-2.5-pro-preview-06-05
|
71.6 | 1.1 | 55.65 | 前沿能力 |
| 4 | TutorBench |
gpt-5-2025-08-07
|
71.6 | 1 | 55.33 | 前沿能力 |
| 5 | TutorBench |
o3-pro-2025-06-10
|
71.6 | 1 | 54.62 | 前沿能力 |
| 6 | TutorBench |
kimi-k2.5
|
71.6 | 1.2 | 54.5605 | 前沿能力 |
| 1 | Adversarial Robustness |
Gemini 1.5 Pro (May 2024)
|
86.5 | 8 | 8 | 其他 |
| 2 | Adversarial Robustness |
Llama 3.1 405B Instruct
|
86.5 | 8 | 10 | 其他 |
| 3 | Adversarial Robustness |
Claude 3 Opus
|
86.5 | 9 | 13 | 其他 |
| 4 | Adversarial Robustness |
Gemini 1.5 Flash
|
86.5 | 9 | 14 | 其他 |
| 5 | Adversarial Robustness |
Claude 3.5 Sonnet (June 2024)
|
86.5 | 10 | 16 | 其他 |
| 6 | Adversarial Robustness |
GPT-4 Turbo Preview
|
86.5 | 11 | 20 | 其他 |
| 1 | Agentic Tool Use (Chat) |
o3-mini (high)
|
71.3 | 5.5 | 63.45 | 其他 |
| 2 | Agentic Tool Use (Chat) |
Gemini 2.5 Pro Experimental (March 2025)
|
71.3 | 6.8 | 62.43 | 其他 · 新上榜 |
| 3 | Agentic Tool Use (Chat) |
o3-mini (medium)
|
71.3 | 6.8 | 62.42 | 其他 |
| 4 | Agentic Tool Use (Chat) |
o1 Pro (March 2025)
|
71.3 | 6.8 | 61.42 | 其他 · 新上榜 |
| 5 | Agentic Tool Use (Chat) |
DeepSeek-R1
|
71.3 | 6.8 | 60.91 | 其他 |
| 6 | Agentic Tool Use (Chat) |
o1 (December 2024)
|
71.3 | 6.8 | 60.41 | 其他 |
| 1 | Agentic Tool Use (Enterprise) |
o1 (December 2024)
|
77.7 | 5.3 | 70.14 | 其他 |
| 2 | Agentic Tool Use (Enterprise) |
Gemini 2.5 Pro Experimental (March 2025)
|
77.7 | 5.3 | 68.75 | 其他 · 新上榜 |
| 3 | Agentic Tool Use (Enterprise) |
o1 Pro (March 2025)
|
77.7 | 5.4 | 67.01 | 其他 · 新上榜 |
| 4 | Agentic Tool Use (Enterprise) |
o1-preview
|
77.7 | 5.5 | 66.43 | 其他 |
| 5 | Agentic Tool Use (Enterprise) |
Claude 3.7 Sonnet Thinking (February 2025)
|
77.7 | 5.5 | 65.27 | 其他 |
| 6 | Agentic Tool Use (Enterprise) |
DeepSeek-R1
|
77.7 | 5.5 | 65.27 | 其他 |
| 1 | Instruction Following |
o1 (December 2024)
|
96.4 | 1.6 | 91.96 | 其他 |
| 2 | Instruction Following |
DeepSeek R1
|
96.4 | 1.9 | 87.75 | 其他 |
| 3 | Instruction Following |
o1-preview
|
96.4 | 1.6 | 86.58 | 其他 |
| 4 | Instruction Following |
Gemini 2.0 Flash Experimental (December 2024)
|
96.4 | 1.8 | 86.58 | 其他 |
| 5 | Instruction Following |
Claude 3.5 Sonnet (June 2024)
|
96.4 | 1.4 | 85.96 | 其他 |
| 6 | Instruction Following |
GPT-4o (May 2024)
|
96.4 | 1.4 | 85.29 | 其他 |
| 1 | Arabic |
Gemini 1.5 Pro (August 27, 2024)
|
1,215.4 | 33 | 1147 | 其他 |
| 2 | Arabic |
Gemini 2.0 Pro (December 2024)
|
1,215.4 | 29 | 1138 | 其他 |
| 3 | Arabic |
o1 (December 2024)
|
1,215.4 | 27 | 1120 | 其他 |
| 4 | Arabic |
Gemini 2.0 Flash Thinking (January 2025)
|
1,215.4 | 29 | 1120 | 其他 |
| 5 | Arabic |
Gemini 1.5 Pro (November 2024)
|
1,215.4 | 28 | 1116 | 其他 |
| 6 | Arabic |
o3-mini
|
1,215.4 | 30 | 1093 | 其他 |
| 1 | Chinese |
o1 (December 2024)
|
1,230.9 | 30 | 1165 | 其他 |
| 2 | Chinese |
o3-mini
|
1,230.9 | 32 | 1156 | 其他 |
| 3 | Chinese |
Gemini 1.5 Pro (August 27, 2024)
|
1,230.9 | 35 | 1120 | 其他 |
| 4 | Chinese |
o1-preview
|
1,230.9 | 44 | 1120 | 其他 |
| 5 | Chinese |
Gemini 2.0 Pro (December 2024)
|
1,230.9 | 33 | 1117 | 其他 |
| 6 | Chinese |
Gemini Pro Flash 2
|
1,230.9 | 28 | 1115 | 其他 |
| 1 | Coding |
o1-mini
|
1,306 | 31 | 1237 | 其他 |
| 2 | Coding |
o3-mini
|
1,306 | 34 | 1137 | 其他 |
| 3 | Coding |
GPT-4o (November 2024)
|
1,306 | 31 | 1132 | 其他 |
| 4 | Coding |
o1-preview
|
1,306 | 35 | 1123 | 其他 |
| 5 | Coding |
Gemini 2.0 Flash Experimental (December 2024)
|
1,306 | 26 | 1111 | 其他 |
| 6 | Coding |
Gemini 2.0 Pro (December 2024)
|
1,306 | 33 | 1109 | 其他 |
| 1 | Japanese |
o1-preview
|
1,195.8 | 43 | 1118 | 其他 |
| 2 | Japanese |
Gemini 2.0 Pro (December 2024)
|
1,195.8 | 36 | 1117 | 其他 |
| 3 | Japanese |
o3-mini
|
1,195.8 | 31 | 1104 | 其他 |
| 4 | Japanese |
Gemini 1.5 Pro (August 27, 2024)
|
1,195.8 | 44 | 1093 | 其他 |
| 5 | Japanese |
o1 (December 2024)
|
1,195.8 | 30 | 1086 | 其他 |
| 6 | Japanese |
Gemini 1.5 Pro (November 2024)
|
1,195.8 | 30 | 1084 | 其他 |
| 1 | Korean |
o1-preview
|
74.1 | 5.5 | 66.43 | 其他 |
| 2 | Korean |
Claude 3.7 Sonnet (February 2025)
|
74.1 | 5.5 | 64.93 | 其他 |
| 3 | Korean |
GPT-4o (May 2024)
|
74.1 | 5.5 | 64.58 | 其他 |
| 4 | Korean |
GPT-4.5 Preview (February 2025)
|
74.1 | 5.6 | 63.76 | 其他 |
| 5 | Korean |
GPT-4 Turbo Preview
|
74.1 | 5.6 | 60.76 | 其他 |
| 6 | Korean |
Gemini 1.5 Pro (August 27, 2024)
|
74.1 | 5.7 | 60.28 | 其他 |
| 1 | Math |
Claude 3.5 Sonnet (June 2024)
|
100.5 | 1 | 96.6 | 其他 |
| 2 | Math |
GPT-4o (August 2024)
|
100.5 | 1.1 | 95.68 | 其他 |
| 3 | Math |
Llama 3.1 405B Instruct
|
100.5 | 1.2 | 95.6 | 其他 |
| 4 | Math |
Claude 3 Opus
|
100.5 | 1.2 | 95.19 | 其他 |
| 5 | Math |
GPT-4 Turbo Preview
|
100.5 | 1.2 | 95.1 | 其他 |
| 6 | Math |
GPT-4o (May 2024)
|
100.5 | 1.2 | 94.85 | 其他 |
| 1 | Spanish |
Gemini 2.0 Pro (December 2024)
|
1,250.4 | 38 | 1176 | 其他 |
| 2 | Spanish |
o1 (December 2024)
|
1,250.4 | 36 | 1134 | 其他 |
| 3 | Spanish |
Gemini Pro Flash 2
|
1,250.4 | 32 | 1119 | 其他 |
| 4 | Spanish |
o1-preview
|
1,250.4 | 27 | 1111 | 其他 |
| 5 | Spanish |
Gemini 2.0 Flash Thinking (January 2025)
|
1,250.4 | 34 | 1108 | 其他 |
| 6 | Spanish |
Gemini 1.5 Pro (November 2024)
|
1,250.4 | 30 | 1105 | 其他 |
评分方式与读法
这份成绩怎么看收录成绩173 条成绩 · 29 张子榜分数与名次按该榜官方公布的结果列出，同一模型的不同推理档位各占一行
主指标官方分（各子榜口径不同）SEAL 由 Scale AI 维护，按前沿能力、Agent 工程、安全等方向分成数十张子榜，逐榜给出前六名；本页完整收录这些子榜而不合并成综合分。
成绩时间2026-10-28 23:58这份成绩的日期（北京时间）；官方不更新时这里也会停住
同榜内怎么看看分档比看名次稳相邻名次常常只差统计噪声，差 1–2 分不宜直接判定优劣
评分方式按官方原样列出，以官方榜为准官方调整评分方式时这里跟着变，旧成绩不作为结论
横向比模型配合模型智商榜一起看跨厂商综合分与降智趋势见 /model-iq，基准本身的说明见 /glossary
共收录 29 张子榜（Agent 与工程、其他、前沿能力、安全），每张子榜官方只公布前六名。 各子榜量纲不同（有百分比制也有 Elo 制），分数只能在同一子榜内比较，本页不按分数排序。 「名次」是模型在该子榜内的官方名次，不是全站总排名。 部分子榜的前几名仍是较早的模型，属官方未更新，不是本站漏采。
其它权威榜单
6 个成绩来自 Scale SEAL（Scale AI） 官方公开榜单，数据日期 2026-10-28 23:58。
