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
ZebraLogic
ZebraLogic is an evaluation framework for assessing large language models' logical reasoning capabilities through logic grid puzzles derived from constraint satisfaction problems (CSPs). The benchmark consists of 1,000 programmatically generated puzzles with controllable and quantifiable complexity, revealing a 'curse of complexity' where model accuracy declines significantly as problem complexity grows.
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 8
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 |
|---|---|---|---|---|---|
| Qwen3 VL 235B A22B Thinking | 0.973 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| LongCat-Flash-Thinking | 0.955 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Instruct-2507 | 0.95 | 未收录 | 未收录 | 2025-07-22 · model_announcement | LLM Stats |
| LongCat-Flash-Chat | 0.893 | 未收录 | 未收录 | 2025-08-29 · model_announcement | LLM Stats |
| Kimi K2-Instruct-0905 | 0.89 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Kimi K2 Instruct | 0.89 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| MiniMax M1 80K | 0.868 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |
| MiniMax M1 40K | 0.801 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |