GPT-6 Luna

编程59.416 项

• ProgramBench照样重写程序·Vals AI0.5%折算分 至多 81.5+
• CyberBench Patch v1.1修安全漏洞·Vals AI87.5%折算分 66.0+
• Vibe Code Bench v1.1做网页应用·Vals AI81.6%折算分 65.0+
• FrontierCode 2.0改真实仓库·Artificial Analysis25.2%折算分 65.0+
• CFrontierCode 2.0改真实仓库·Cognition21.9%折算分 63.5+
• TapTap Maker游戏功能开发·TapTap Maker76.6%折算分 62.9+
• Code Migration v1.1程序换语言·Vals AI46.7%折算分 59.8+
• LiveBench Coding写代码·LiveBench79.0%折算分 59.1+
• LiveBench Agentic Coding改真实仓库·LiveBench51.2%折算分 57.0+
• APEX-SWE系统集成与排障·Mercor38.8%折算分 56.6+
• Terminal-Bench 4.0终端里干活·Artificial Analysis12.6%折算分 56.4+
• SciCode科研计算代码·Artificial Analysis54.6%折算分 56.2+
• HWeirdML v3机器学习工程·Håvard Tveit Ihle7.5%折算分 55.3+
• Terminal-Bench 4.0终端里干活·Vals AI13.6%折算分 54.6+
• TTerminal-Bench 4.0终端里干活·Terminal-Bench16.4%折算分 52.2+
• MirrorCode照样重写程序·Epoch AI26.7%+

科研58.713 项

• FrontierMath T1–3研究级数学·Epoch AI78.9%折算分 67.4+
• CritPt v2 Hard研究级物理·Artificial Analysis42.5%折算分 65.6+
• CritPt研究级物理·Artificial Analysis19.4%折算分 64.3+
• Terminal-Bench Science终端里做科研·Artificial Analysis8.6%折算分 60.1+
• BioMysteryBench生物数据分析·Vals AI61.5%折算分 59.7+
• AARC-AGI-2举一反三·ARC Prize59.3%折算分 59.2+
• MysteryMechanism做实验找规律·Vals AI19.4%折算分 58.8+
• Chess Puzzles下棋解题·Epoch AI36.0%折算分 58.0+
• Humanity's Last Exam专家级难题·Artificial Analysis38.5%折算分 56.4+
• Terminal-Bench Science终端里做科研·Vals AI4.3%折算分 至多 56.2+
• LiveBench Reasoning逻辑与空间推理·LiveBench81.8%折算分 55.5+
• 致知 · 逻辑月榜中文难题·llm201423.9%折算分 52.7+
• Mystery Game Puzzles游戏局面推理·Epoch AI7.0%折算分 至多 41.7+

专业办公59.514 项

• Harvey LAB-AA v1.1法律文书·Artificial Analysis3.3%折算分 至多 70.3+
• Excel Modeling v1.1Excel 建模·Vals AI70.0%折算分 66.0+
• AA-Analyst Agent数据分析·Artificial Analysis43.8%折算分 65.8+
• τ³-Banking银行客服·Mercor40.2%折算分 63.9+
• AutomationBench-AA业务自动化·Artificial Analysis53.2%折算分 63.5+
• AA-Briefcase办公长任务·Artificial Analysis1,337.1折算分 61.7+
• GDPval-AA职业交付件·Artificial Analysis1,444.5折算分 60.6+
• Finance Agent v2.1金融分析·Vals AI56.8%折算分 60.2+
• LiveBench Data Analysis数据处理·LiveBench73.4%折算分 58.8+
• Legal Research Bench法律检索·Vals AI30.3%折算分 56.8+
• APEX-Agents投行咨询法律·Mercor44.3%折算分 56.2+
• TaxAgentBench税务问答·Vals AI19.9%折算分 55.2+
• MedCode医疗编码·Vals AI44.7%折算分 54.8+
• Harvey 法律 Agent 基准 v1.1法律交付件·Vals AI4.2%折算分 至多 46.4+

知识问答55.98 项

• MLCR-AA医疗长记录·Artificial Analysis26.1%折算分 71.7+
• PBullshitBench v2识破错误前提·BullshitBench58.0%折算分 66.9+
• AA-LCR长文理解·Artificial Analysis83.3%折算分 58.5+
• LNYT Connections 扩展版词语归类·Lech Mazur68.7%折算分 53.6+
• LiveBench Language语言理解·LiveBench73.8%折算分 52.7+
• SimpleQA Verified事实准确·Epoch AI41.4%折算分 51.9+
• AA-Omniscience v1.1知道与不乱编·Artificial Analysis-8.3折算分 46.3+
• LiveBench IF按要求作答·LiveBench55.9%折算分 45.1+

真人盲选55.52 项

• Arena WebDev网页成品盲选·LMArena1,578.3折算分 60.1+
• Arena Text对话盲选·LMArena1,439.8折算分 46.7+

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。