Benchmark
CharXiv Reasoning
general
text
Top 10
榜单概览
数据说明
分数为 0-100 百分制综合成绩（Elo 榜为相对评分，仅供同榜内比较）。评测分数属事实数据，整理自公开评测体系与厂商公开资料，部分分数为厂商自报口径，不同榜单的评测方法与数据集可能存在差异，请结合多个榜单交叉参考。
Ranking
模型排名
| 名次 | 模型 | 机构 | 分数 | 来源 |
|---|---|---|---|---|
| 1 | Muse Spark 1.1 | Meta | 88.4 | 来源 |
| 2 | Fugu Ultra | Sakana AI | 86.6 | 来源 |
| 3 | Fugu | Sakana AI | 85.1 | 来源 |
| 4 | Gemini 3.5 Flash | 84.2 | 来源 | |
| 5 | Gemini 3.1 Pro Preview | 83.3 | 来源 |