鹈鹕测试榜

10 个模型 · 26 个档位 · 79 张样本 · 1 张无效

当天最佳

GPT-6.1 Sol

8.80 · max（最高）
模型页

max

8.80 ± 0.18

medium

7.17 ± 0.87

low

7.13 ± 0.64

GPT-6 Astra

8.79 · max（最高）
模型页

max

8.79 ± 0.02

low

8.19 ± 0.36

medium

8.00 ± 0.67

Grok 4.7

8.13 · xhigh（最高）
模型页

xhigh

8.13 ± 0.43

medium

6.18 ± 0.51

low

5.13 ± 1.14

GPT-5.6 Sol

7.70 · medium（最高）
模型页

medium

7.70 ± 0.50

max

7.57 ± 0.83

low

6.98 ± 1.07

GPT-6 Sol

7.60 · max（最高）
模型页

max

7.60 ± 0.43

medium

6.31 ± 0.35

low

4.87 ± 0.65

Grok 4.6

7.20 · high（最高）
模型页

high

7.20 ± 0.82

GPT-6 Luna

6.47 · max（最高）
模型页

max

6.47 ± 1.72

low

6.01 ± 1.52

medium

5.67 ± 1.22

GPT-5.6 Terra

6.43 · medium（最高）
模型页

medium

6.43 ± 1.14

low

6.03 ± 1.44

max

5.77 ± 0.36

GPT-5.6 Luna

6.17 · max（最高）
模型页

max

6.17 ± 1.82

low

4.64 ± 0.77

medium

4.21 ± 0.29

Grok 4.5

5.93 · high（最高）
模型页

high

5.93 ± 0.55