PostTrainBench

Measures a model's ability to run post-training itself. Hardware differs between reported runs (H100 vs H20), which moves the score.

评测信息与证据

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。

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	36.6	percent	reasoning=max	2026-06-13 · document_publication	Kimi K3
Hy4 preview	35.6	percent	PostTrainBench V1.1	2026-08-28 · document_publication	Hy4 preview
GLM-5.2	34.3	percent	PostTrainBench, 1M context, max effort, 128K max output	2026-06-16 · document_publication	GLM-5.2