GPT-6.1 Sol

编程68.016 项

• HWeirdML v3机器学习工程·Håvard Tveit Ihle40.8%折算分 82.6+
• ProgramBench照样重写程序·Vals AI3.0%折算分 至多 77.1+
• Code Migration v1.1程序换语言·Vals AI77.3%折算分 75.7+
• TTerminal-Bench 4.0终端里干活·Terminal-Bench60.9%折算分 75.6+
• CFrontierCode 2.0改真实仓库·Cognition39.6%折算分 73.9+
• Terminal-Bench 4.0终端里干活·Vals AI55.1%折算分 73.2+
• FrontierCode 2.0改真实仓库·Artificial Analysis40.6%折算分 73.2+
• TapTap Maker游戏功能开发·TapTap Maker86.7%折算分 72.6+
• Terminal-Bench 4.0终端里干活·Artificial Analysis56.1%折算分 72.0+
• Vibe Code Bench v1.1做网页应用·Vals AI88.9%折算分 69.3+
• MirrorCode照样重写程序·Epoch AI61.1%折算分 67.4+
• APEX-SWE系统集成与排障·Mercor46.9%折算分 61.7+
• LiveBench Coding写代码·LiveBench80.4%折算分 60.3+
• LiveBench Agentic Coding改真实仓库·LiveBench54.5%折算分 59.1+
• SciCode科研计算代码·Artificial Analysis54.2%折算分 55.4+
• CyberBench Patch v1.1修安全漏洞·Vals AI78.6%折算分 54.2+

科研75.515 项

• Mystery Game Puzzles游戏局面推理·Epoch AI80.0%折算分 84.4+
• FrontierMath T1–3研究级数学·Epoch AI93.7%折算分 84.0+
• Terminal-Bench Science终端里做科研·Vals AI52.9%折算分 82.1+
• Terminal-Bench Science终端里做科研·Artificial Analysis58.1%折算分 79.6+
• AARC-AGI-2举一反三·ARC Prize94.2%折算分 79.5+
• CritPt v2 Hard研究级物理·Artificial Analysis69.5%折算分 78.9+
• Chess Puzzles下棋解题·Epoch AI68.0%折算分 78.0+
• 致知 · 逻辑月榜中文难题·llm201467.8%折算分 77.2+
• O司南 · 抽象抽象理解·OpenCompass85.0%折算分 76.6+
• MysteryMechanism做实验找规律·Vals AI46.4%折算分 76.1+
• BioMysteryBench生物数据分析·Vals AI79.6%折算分 72.9+
• CritPt研究级物理·Artificial Analysis31.7%折算分 72.1+
• LiveBench Reasoning逻辑与空间推理·LiveBench92.6%折算分 70.9+
• Humanity's Last Exam专家级难题·Artificial Analysis52.9%折算分 68.5+
• O司南 · 推理综合推理·OpenCompass77.5%折算分 64.8+

专业办公67.214 项

• Harvey LAB-AA v1.1法律文书·Artificial Analysis6.9%折算分 76.3+
• LiveBench Data Analysis数据处理·LiveBench82.7%折算分 71.3+
• AA-Analyst Agent数据分析·Artificial Analysis50.0%折算分 70.3+
• AA-Briefcase办公长任务·Artificial Analysis1,554.9折算分 69.8+
• AutomationBench-AA业务自动化·Artificial Analysis64.9%折算分 69.2+
• Excel Modeling v1.1Excel 建模·Vals AI71.1%折算分 67.8+
• APEX-Agents投行咨询法律·Mercor60.0%折算分 67.2+
• GDPval-AA职业交付件·Artificial Analysis1,607.5折算分 66.6+
• τ³-Banking银行客服·Mercor43.0%折算分 66.6+
• Finance Agent v2.1金融分析·Vals AI61.8%折算分 65.8+
• Legal Research Bench法律检索·Vals AI38.5%折算分 63.7+
• TaxAgentBench税务问答·Vals AI21.8%折算分 58.1+
• Harvey 法律 Agent 基准 v1.1法律交付件·Vals AI6.3%折算分 54.1+
• MedCode医疗编码·Vals AI48.8%+

知识问答72.39 项

• MLCR-AA医疗长记录·Artificial Analysis38.3%折算分 84.3+
• SimpleQA Verified事实准确·Epoch AI73.9%折算分 81.4+
• LNYT Connections 扩展版词语归类·Lech Mazur97.8%折算分 至少 79.1+
• LiveBench Language语言理解·LiveBench90.1%折算分 78.4+
• AA-Omniscience v1.1知道与不乱编·Artificial Analysis42折算分 77.7+
• O司南 · 知识知识问答·OpenCompass78.0%折算分 74.7+
• PBullshitBench v2识破错误前提·BullshitBench59.0%折算分 67.7+
• LiveBench IF按要求作答·LiveBench74.2%折算分 66.5+
• AA-LCR长文理解·Artificial Analysis83.0%折算分 58.0+

真人盲选69.92 项

• Arena WebDev网页成品盲选·LMArena1,743.3折算分 76.1+
• Arena Text对话盲选·LMArena1,480.8折算分 62.5+

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。