DeepSearchQA
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentageAgents
दर्ज परिणाम
10
औसत स्कोर
81.14%
स्कोर सीमा
67.70% - 95%
अग्रणी मॉडल
95% - Kimi K3
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Kimi K3 | 16 जुल॰ 2026 | 95% | F1 score. | हाँ | स्रोत | |
| Claude Opus 4.6 | 05 फ़र॰ 2026 | 91.30% | - | हाँ | स्रोत | |
| MiMo V2 Pro | 18 मार्च 2026 | 86.70% | - | हाँ | स्रोत | |
| MiMo V2 TTS (Free) | 18 मार्च 2026 | 86.70% | inferred modality/version alias from mimo-v2-pro | हाँ | स्रोत | |
| Beam | 05 अक्टू॰ 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. | हाँ | स्रोत | |
| Seed 2.0 Pro | 14 फ़र॰ 2026 | 77.40% | Seed2 official benchmark table | DeepSearchQA | हाँ | स्रोत | |
| Kimi K2.5 | 27 जन॰ 2026 | 77.10% | - | हाँ | स्रोत | |
| Muse Spark | 08 अप्रैल 2026 | 74.80% | - | हाँ | स्रोत | |
| Muse Glimmer 30B | 10 अग॰ 2026 | 74.60% | High reasoning | हाँ | स्रोत | |
| Seed 2.0 Lite | 14 फ़र॰ 2026 | 67.70% | Seed2 official benchmark table | DeepSearchQA | हाँ | स्रोत |
