DeepSearchQA
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentageAgents
Resultados registrados
10
Puntuación media
81.14%
Rango de puntuaciones
67.70% - 95%
Modelo líder
95% - Kimi K3
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| Kimi K3 | 16 jul 2026 | 95 % | F1 score. | Sí | Fuente | |
| Claude Opus 4.6 | 05 feb 2026 | 91,30 % | - | Sí | Fuente | |
| MiMo V2 Pro | 18 mar 2026 | 86,70 % | - | Sí | Fuente | |
| MiMo V2 TTS (Free) | 18 mar 2026 | 86,70 % | inferred modality/version alias from mimo-v2-pro | Sí | Fuente | |
| Beam | 05 oct 2026 | 80,10 % | Reflection-reported launch score. Source row: DeepSearchQA w/context management. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced. | Sí | Fuente | |
| Seed 2.0 Pro | 14 feb 2026 | 77,40 % | Seed2 official benchmark table | DeepSearchQA | Sí | Fuente | |
| Kimi K2.5 | 27 ene 2026 | 77,10 % | - | Sí | Fuente | |
| Muse Spark | 08 abr 2026 | 74,80 % | - | Sí | Fuente | |
| Muse Glimmer 30B | 10 ago 2026 | 74,60 % | High reasoning | Sí | Fuente | |
| Seed 2.0 Lite | 14 feb 2026 | 67,70 % | Seed2 official benchmark table | DeepSearchQA | Sí | Fuente |
