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。
LLM Stats
DeepSearchQA
DeepSearchQA is a benchmark for evaluating deep search and question-answering capabilities, testing models' ability to perform multi-hop reasoning and information retrieval across complex knowledge domains.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
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 9
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 |
|---|---|---|---|---|---|
| Kimi K3 | 0.95 | 未收录 | 未收录 | 2026-07-16 · model_announcement | LLM Stats |
| Claude Opus 4.8 | 0.931 | 未收录 | 未收录 | 2026-05-28 · model_announcement | LLM Stats |
| Claude Opus 4.6 | 0.913 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| Hy3 | 0.91 | 未收录 | 未收录 | 2026-07-06 · model_announcement | LLM Stats |
| MiMo-V2-Pro | 0.867 | 未收录 | 未收录 | 2026-03-18 · model_announcement | LLM Stats |
| Kimi K2.6 | 0.83 | 未收录 | 未收录 | 2026-04-20 · model_announcement | LLM Stats |
| Kimi K2.5 | 0.771 | 未收录 | 未收录 | 2026-01-27 · model_announcement | LLM Stats |
| Muse Spark | 0.748 | 未收录 | 未收录 | 2026-04-08 · model_announcement | LLM Stats |
| Muse Glimmer-30B | 0.746 | 未收录 | 未收录 | 2026-08-10 · model_announcement | LLM Stats |