← 评测来源
Databricks / 专业办公
官方评测 ↗OfficeQA Pro
从大量真实财务文件中检索、计算并回答问题。
在 AIHOT 中观察与参考
证据预算不计分
上游数据时间待核实
最近成功同步尚未开始采集
它测什么，怎么测
Pro 固定 133 题，与 Full 246 题及 Pro V2 的 90 题分开；端到端检索与直接提供答案所在页面属于不同条件。Claude Agent SDK、Codex SDK、Antigravity CLI 的成绩属于各自运行系统，不能混作统一基础模型评测。它衡量文件理解，不代表办公文件的产出质量。
如何使用这份证据
观察中：官方继续更新，但目前主要比较不同产品运行系统，原始汇总协议仍待核实；保留资料理解参考，不将不同工具系统的成绩直接归给基础模型。
尚未纳入可比成绩
观察中：官方继续更新，但目前主要比较不同产品运行系统，原始汇总协议仍待核实；保留资料理解参考，不将不同工具系统的成绩直接归给基础模型。
查看上游官方页面 ↗评测局限与数据署名
代码及题库许可不自动覆盖所有外部成绩；新旧题集、端到端与答案页面直供条件不能混排，当前没有自动采集成绩。
数据许可：代码 Apache 2.0；题目数据 CC BY-SA 4.0，现迁至需要申请访问的 Hugging Face 数据集。
成绩由 Databricks 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。