DeepPlanning v1.1 Shopping Case Accuracy
AI 基准测试结果和模型表现
类型: numericalPlanning
已记录的结果
3
平均分数
34.97
分数范围
10.40 - 48.90
领先模型
48.90 - Qwen 3.5 Plus
分数变化趋势
按日期绘制的单项基准测试分数。
模型结果
| 组织 | 模型 | 报告时间 | 最高分数 | 信息 | 自行报告 | 来源 |
|---|---|---|---|---|---|---|
| Qwen 3.5 Plus | 2026年2月16日 | 48.90 | DeepPlanning v1.1 | Alibaba/Qwen-3.5-Plus (w/o thinking) | 是 | 来源 | |
| Qwen 3 Max Thinking | 2026年1月26日 | 45.60 | DeepPlanning v1.1 | Alibaba/Qwen3-Max (w/ thinking) | 是 | 来源 | |
| Grok 4 Fast Non Reasoning | 2025年9月20日 | 10.40 | DeepPlanning v1.1 | SpaceXAI/Grok-4.1-fast (non-reasoning) | 是 | 来源 |
