AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
Model reports
GDPval
Graded by expert human comparison against real deliverables, and the "-AA" variants are run by Artificial Analysis rather than the vendor, so an Elo here is not comparable to a vendor-run pass rate.
评测信息与证据
- 来源
- Model reports
- 发布者
- 未收录
- 评测发布日期
- 2025-09-25
- 采集日期
- 未收录
- 模态
- 未收录
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 6
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Claude Opus 5 | 1861.0 | elo | ELO rating, max effort, agentic loop with shell access and web browsing | 2026-07-24 · document_publication | Claude Opus 5 |
| DeepSeek-V4-Pro | 1554.0 | elo | think max, Elo | 2026-04-22 · document_publication | DeepSeek-V4-Pro |
| DeepSeek-V4-Flash | 1395.0 | elo | think max, Elo | 2026-06-25 · document_publication | DeepSeek-V4 |
| Kimi K3 | 1686.0 | elo | Elo, reasoning=max | 2026-06-13 · document_publication | Kimi K3 |
| Hy4 preview | 1678.0 | elo | GDPval-AA V2, Elo, official | 2026-08-28 · document_publication | Hy4 preview |
| GLM-5.3-Flash | 1773.0 | elo | GDPval-AA v2, evaluated by Artificial Analysis | 2026-08-27 · document_publication | GLM-5.3-Flash |