AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE

Model reports

Tool Decathlon

Aggregates ten heterogeneous tool suites; the per-suite spread is wide.

评测信息与证据

来源: Model reports
发布者: 未收录
评测发布日期: 2025-10-28
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 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
DeepSeek-V4-Pro	51.8	percent	think max, pass@1	2026-04-22 · document_publication	DeepSeek-V4-Pro
DeepSeek-V4-Pro-0813	74.1	percent	max reasoning effort, temp 1.0, top_p 0.95	2026-08-13 · document_publication	DeepSeek-V4-Pro-0813
DeepSeek-V4-Flash	47.8	percent	think max, pass@1	2026-06-25 · document_publication	DeepSeek-V4
Kimi K3	76.5	percent	reasoning=max	2026-06-13 · document_publication	Kimi K3
Qwen3.5-397B-A17B	38.3	percent	thinking (temp 0.6, top_p 0.95, top_k 20)	2026-02-16 · document_publication	Qwen3.5-397B-A17B
GLM-5.1	40.7	percent	as reported	2026-04-03 · document_publication	GLM-5.1
GLM-5.2	48.2	percent	official evaluation service, max_token 128K	2026-06-16 · document_publication	GLM-5.2
GLM-5	38.0	percent	as reported	2026-02-11 · document_publication	GLM-5