GPT-6 Sol

编程65.814 项

• ProgramBench照样重写程序·Vals AI2.0%折算分 至多 81.5+
• TTerminal-Bench 4.0终端里干活·Terminal-Bench49.4%折算分 72.8+
• CFrontierCode 2.0改真实仓库·Cognition34.3%折算分 72.4+
• FrontierCode 2.0改真实仓库·Artificial Analysis35.6%折算分 71.2+
• HWeirdML v3机器学习工程·Håvard Tveit Ihle20.0%折算分 70.9+
• Terminal-Bench 4.0终端里干活·Vals AI44.4%折算分 69.7+
• CyberBench Patch v1.1修安全漏洞·Vals AI89.3%折算分 69.2+
• Vibe Code Bench v1.1做网页应用·Vals AI87.8%折算分 68.8+
• Terminal-Bench 4.0终端里干活·Artificial Analysis43.9%折算分 68.6+
• TapTap Maker游戏功能开发·TapTap Maker76.8%折算分 63.1+
• LiveBench Coding写代码·LiveBench81.8%折算分 62.4+
• APEX-SWE系统集成与排障·Mercor45.0%折算分 60.8+
• SciCode科研计算代码·Artificial Analysis57.6%折算分 60.0+
• LiveBench Agentic Coding改真实仓库·LiveBench52.9%折算分 58.2+

科研69.512 项

• FrontierMath T1–3研究级数学·Epoch AI89.8%折算分 77.6+
• CritPt v2 Hard研究级物理·Artificial Analysis66.5%折算分 77.0+
• AARC-AGI-2举一反三·ARC Prize89.6%折算分 73.9+
• Terminal-Bench Science终端里做科研·Vals AI30.0%折算分 73.8+
• Mystery Game Puzzles游戏局面推理·Epoch AI56.0%折算分 72.5+
• Terminal-Bench Science终端里做科研·Artificial Analysis30.0%折算分 71.3+
• CritPt研究级物理·Artificial Analysis30.9%折算分 71.2+
• Chess Puzzles下棋解题·Epoch AI56.0%折算分 70.5+
• BioMysteryBench生物数据分析·Vals AI74.8%折算分 68.6+
• MysteryMechanism做实验找规律·Vals AI30.2%折算分 66.6+
• Humanity's Last Exam专家级难题·Artificial Analysis47.9%折算分 64.5+
• LiveBench Reasoning逻辑与空间推理·LiveBench88.7%折算分 63.8+

专业办公63.110 项

• Harvey LAB-AA v1.1法律文书·Artificial Analysis3.6%折算分 至多 70.3+
• LiveBench Data Analysis数据处理·LiveBench81.2%折算分 69.6+
• AutomationBench-AA业务自动化·Artificial Analysis61.6%折算分 67.3+
• AA-Briefcase办公长任务·Artificial Analysis1,476.5折算分 67.0+
• τ³-Banking银行客服·Mercor43.0%折算分 66.1+
• GDPval-AA职业交付件·Artificial Analysis1,515.9折算分 63.3+
• APEX-Agents投行咨询法律·Mercor54.3%折算分 63.2+
• MedCode医疗编码·Vals AI47.1%折算分 57.7+
• Legal Research Bench法律检索·Vals AI28.8%折算分 55.6+
• TaxAgentBench税务问答·Vals AI15.0%折算分 49.2+

知识问答65.28 项

• MLCR-AA医疗长记录·Artificial Analysis33.9%折算分 80.0+
• LNYT Connections 扩展版词语归类·Lech Mazur90.1%折算分 70.5+
• SimpleQA Verified事实准确·Epoch AI60.7%折算分 69.1+
• LiveBench Language语言理解·LiveBench85.3%折算分 68.6+
• AA-Omniscience v1.1知道与不乱编·Artificial Analysis21.4折算分 64.0+
• PBullshitBench v2识破错误前提·BullshitBench54.0%折算分 63.0+
• LiveBench IF按要求作答·LiveBench68.6%折算分 59.4+
• AA-LCR长文理解·Artificial Analysis83.7%折算分 59.0+

真人盲选63.12 项

• Arena WebDev网页成品盲选·LMArena1,674.4折算分 69.4+
• Arena Text对话盲选·LMArena1,456.2折算分 52.9+

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。