鹈鹕测试榜

23 个模型 · 48 个档位 · 148 张样本 · 4 张无效

当天最佳

Qwen3.8-Max

8.89 · 默认（最高）
模型页

默认

8.89 ± 0.09

Gemini 3.8 Flash

8.82 · high（最高）
模型页

high

8.82 ± 0.20

medium

8.46 ± 0.39

low

8.02 ± 0.78

GPT-6.1 Sol

8.79 · max（最高）
模型页

max

8.79 ± 0.08

low

8.07 ± 0.45

medium

7.40 ± 2.15

GPT-6 Astra

8.67 · max（最高）
模型页

max

8.67 ± 0.50

medium

8.17 ± 0.57

low

7.97 ± 0.82

Claude Opus 5.5

8.23 · medium（最高）
模型页

medium

8.23 ± 0.61

high

8.09 ± 0.29

low

7.45 ± 0.95

Kimi K3

8.22 · max（最高）
模型页

max

8.22 ± 0.19

high

6.96 ± 0.43

low

5.62 ± 0.66

GPT-6 Sol

8.15 · max（最高）
模型页

max

8.15 ± 0.39

medium

6.78 ± 1.17

low

5.67 ± 0.63

GLM 5.3

8.11 · 默认（最高）
模型页

默认

8.11 ± 0.95

GPT-6 Luna

7.82 · max（最高）
模型页

max

7.82 ± 0.78

low

6.23 ± 0.99

medium

5.27 ± 0.99

GPT-5.6 Sol

7.28 · max（最高）
模型页

max

7.28 ± 2.10

low

6.89 ± 0.94

medium

6.88 ± 0.75

Gemini 3.1 Pro

6.91 · 默认（最高）
模型页

默认

6.91 ± 1.49

GPT-5.6 Terra

6.65 · max（最高）
模型页

max

6.65 ± 1.39

medium

6.47 ± 0.64

low

5.23 ± 1.18

DeepSeek V4 Pro

6.62 · 默认（最高）
模型页

默认

6.62 ± 0.09

Claude Sonnet 5.5

6.54 · high（最高）
模型页

high

6.54 ± 1.22

medium

5.89 ± 0.73

low

5.68 ± 0.32

Grok 4.6

6.46 · high（最高）
模型页

high

6.46 ± 1.11

GPT-5.6 Luna

6.45 · max（最高）
模型页

max

6.45 ± 0.65

medium

5.23 ± 0.41

low

4.76 ± 0.42

Doubao Seed 2.1 Pro

6.41 · 默认（最高）
模型页

默认

6.41 ± 0.36

MiniMax-M3

6.37 · 默认（最高）
模型页

默认

6.37 ± 1.42

Hy3

6.09 · 默认（最高）
模型页

默认

6.09 ± 0.20

GLM 5.2

5.99 · max（最高）
模型页

max

5.99 ± 0.76

high

5.52 ± 0.67

Grok 4.7

5.80 · medium（最高）
模型页

medium

5.80 ± 0.50

xhigh

5.22 ± 0.79

low

4.08 ± 0.49

Grok 4.5

5.70 · high（最高）
模型页

high

5.70 ± 0.51

Composer 2.5

4.99 · 默认（最高）
模型页

默认

4.99 ± 1.55