Beam 1.0
开源权重 ↗Reflection · 2026-10-16 发布 · 11/07 20:54 更新
AIHOT 评分 · 综合52.3分综合第 59 名评分不是正确率 · 评测覆盖 58%
可比较分类4/ 4 项分类
已有成绩29项评测
上下文窗口—Token
API 输入 / 输出 · 每百万 Token待核验尚未核到厂商官网价格
各有所长,看得更清楚。
每个领域单独评分,和综合评分用同一种分数,可以直接比。具体能力请看下面每项成绩。
编程AIHOT 评分50.3分第 61 名前 30 名之外8 项评测 · 覆盖 50%科研AIHOT 评分52.9分第 56 名前 30 名之外8 项评测 · 覆盖 67%专业办公AIHOT 评分54.6分第 56 名前 30 名之外10 项评测 · 覆盖 80%知识问答AIHOT 评分53.6分第 51 名前 30 名之外3 项评测 · 覆盖 40%
覆盖比例是这个领域里已有成绩的评测类别占比,不代表能力高低;没测的不补分,也不扣分。
每一项成绩,都有来处。
按领域列出每项公开成绩,以及它折算成的统一分数。展开可查看它测什么、运行配置与采用方式。
编程50.38 项
科研52.98 项
专业办公54.610 项
知识问答53.63 项
尚无成绩的评测
这些评测尚无可采用的公开成绩,缺测不补分。
Terminal-Bench 4.0 · 官方LiveBench · 编程综合ProgramBenchMirrorCodeCyberBench Patch v1.1WeirdML v3FrontierSWE v2TapTap MakerFrontierMath v2 · Tiers 1–3LiveBench · 推理与数学致知 · 逻辑月榜司南 · 推理司南 · 抽象Chess PuzzlesMystery Game PuzzlesHarvey LAB 1.1 · AALiveBench · 数据分析MedCodeAA-Analyst AgentSimpleQA Verified司南 · 知识LiveBench · 语言与指令NYT Connections 扩展版BullshitBench · 错误前提Arena TextArena WebDev
怎么看这些折算分
每项成绩按这项评测的难度折算成同一种分数:难的评测考得一般也能折算出高分,快被刷满的评测再高也折算不出更多。领域分是这些折算分的平均,再向模型的整体水平收一点;同类评测只算一票。相差不到 1 分的两个模型,先后接近抛硬币。
还没有成绩的领域:真人盲选,暂按整体水平计算。
了解计算方法 →