← 评测来源
SpreadsheetBench / Renmin University / AfterQuery / 专业办公
官方评测 ↗SpreadsheetBench 2
完成财务建模、修复工作簿和数据可视化的整套表格工作。
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
固定 V2 的 321 个任务和统一 SWE-agent 条件；独立办公产品和其他 scaffold 成绩不归给基础模型。表格可视化的正确性不等于广泛审美。
如何使用这份证据
观察中：已有稳定 JSON 和逐行日期，但当前统一条件下的基础模型覆盖不足；等待当期型号实测后再接入分数。
尚未纳入可比成绩
观察中：已有稳定 JSON 和逐行日期，但当前统一条件下的基础模型覆盖不足；等待当期型号实测后再接入分数。
查看上游官方页面 ↗评测局限与数据署名
观察中：已有稳定 JSON 和逐行日期，但当前统一条件下的基础模型覆盖不足；等待当期型号实测后再接入分数。
数据许可：官方网站页尾声明 MIT；数据集与代码入口公开。
成绩由 SpreadsheetBench / Renmin University / AfterQuery 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。