鹈鹕测试榜

10 个模型 · 26 个档位 · 81 张样本 · 3 张无效

当天最佳

GPT-6 Astra

8.77 · max（最高）
模型页

max

8.77 ± 0.24

medium

8.42 ± 0.29

low

8.13 ± 0.16

GPT-6.1 Sol

8.23 · max（最高）
模型页

max

8.23 ± 0.94

medium

8.01 ± 0.49

low

7.02 ± 1.27

GPT-5.6 Sol

7.89 · max（最高）
模型页

max

7.89 ± 0.93

medium

7.10 ± 0.91

low

6.33 ± 1.00

GPT-6 Sol

7.80 · max（最高）
模型页

max

7.80 ± 0.52

medium

6.13 ± 0.59

low

5.19 ± 0.34

GPT-5.6 Terra

7.54 · max（最高）
模型页

max

7.54 ± 0.78

low

5.80 ± 1.23

medium

5.72 ± 1.29

Grok 4.6

7.09 · high（最高）
模型页

high

7.09 ± 0.94

Grok 4.5

6.93 · high（最高）
模型页

high

6.93 ± 0.25

GPT-5.6 Luna

6.45 · max（最高）
模型页

max

6.45 ± 0.44

low

4.88 ± 0.44

medium

4.78 ± 1.24

GPT-6 Luna

6.42 · max（最高）
模型页

max

6.42 ± 0.10

medium

5.98 ± 0.98

low

5.26 ± 0.72

Grok 4.7

6.17 · medium（最高）
模型页

medium

6.17 ± 1.49

xhigh

5.82 ± 1.27

low

5.12 ± 0.84