短页面

下面显示从第1条到第50条的共50条结果。

1. （历史） 首页 [744字节]
2. （历史） 模型:Claude Opus 5 [1,534字节]
3. （历史） 模型:Claude Opus 4.7 [2,400字节]
4. （历史） 模型:Claude Haiku 4.5 [2,826字节]
5. （历史） 测试集:MATH-500 [2,888字节]
6. （历史） 测试集:AMC [2,898字节]
7. （历史） 测试集:Frontier-Bench [2,905字节]
8. （历史） 测试集:Fiction.liveBench [2,911字节]
9. （历史） 测试集:KingBench [2,928字节]
10. （历史） 测试集:HMMT [2,937字节]
11. （历史） 测试集:BabyVision [2,941字节]
12. （历史） 测试集:USAMO [2,956字节]
13. （历史） 测试集:SimpleBench [2,973字节]
14. （历史） 测试集:QwenWebDev [2,983字节]
15. （历史） 测试集:Video-MMMU [3,021字节]
16. （历史） 测试集:OPQA [3,041字节]
17. （历史） 测试集:BenchLM [3,056字节]
18. （历史） 测试集:SuperGPQA [3,060字节]
19. （历史） 测试集:FrontierCode [3,090字节]
20. （历史） 测试集:DSBench [3,100字节]
21. （历史） 测试集:ClawBench [3,109字节]
22. （历史） 测试集:Video-MME [3,113字节]
23. （历史） 测试集:FullStackBench [3,120字节]
24. （历史） 测试集:CursorBench [3,143字节]
25. （历史） 测试集:CC-Bench [3,146字节]
26. （历史） 测试集:IMO 2025 [3,171字节]
27. （历史） 模型:Claude Opus 4.8 [3,178字节]
28. （历史） 测试集:Τ²-Bench [3,207字节]
29. （历史） 测试集:GraphWalks [3,221字节]
30. （历史） 模型:DeepSeek-V4 [3,228字节]
31. （历史） 测试集:Design Arena [3,231字节]
32. （历史） 测试集:AIME [3,240字节]
33. （历史） 模型:Grok 5 [3,247字节]
34. （历史） 测试集:MRCR [3,256字节]
35. （历史） 测试集:MultiPL-E [3,258字节]
36. （历史） 测试集:CRUXEval [3,262字节]
37. （历史） 测试集:OSWorld [3,271字节]
38. （历史） 测试集:Toolathlon [3,274字节]
39. （历史） 测试集:GPQA Diamond [3,279字节]
40. （历史） 测试集:ACEBench [3,286字节]
41. （历史） 测试集:FrontierScience [3,290字节]
42. （历史） 测试集:MMMU [3,301字节]
43. （历史） 模型:Llama 5 Maverick [3,303字节]
44. （历史） 测试集:Agent Arena [3,312字节]
45. （历史） 测试集:EvalPlus [3,312字节]
46. （历史） 测试集:HLE（Humanity's Last Exam） [3,332字节]
47. （历史） 测试集:HumanEval [3,334字节]
48. （历史） 测试集:AA Intelligence Index [3,335字节]
49. （历史） 测试集:Aider Polyglot [3,342字节]
50. （历史） 测试集:LiveBench [3,342字节]