DeepSearchQA

Name: DeepSearchQA
Keywords: DeepSearchQA, AI 基准测试, 模型评估, AI 基准测试排行榜, AI 模型表现

AI 基准测试结果和模型表现

类型: percentageAgents

81.14%

67.70% - 95%

95% - Kimi K3

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
Moonshot	Kimi K3	2026年7月16日	95%	F1 score.	是	来源
Anthropic	Claude Opus 4.6	2026年2月05日	91.30%	-	是	来源
Xiaomi	MiMo V2 Pro	2026年3月18日	86.70%	-	是	来源
Xiaomi	MiMo V2 TTS (Free)	2026年3月18日	86.70%	inferred modality/version alias from mimo-v2-pro	是	来源
Reflection	Beam	2026年10月05日	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.	是	来源
ByteDance	Seed 2.0 Pro	2026年2月14日	77.40%	Seed2 official benchmark table \| DeepSearchQA	是	来源
Moonshot	Kimi K2.5	2026年1月27日	77.10%	-	是	来源
Meta	Muse Spark	2026年4月08日	74.80%	-	是	来源
Meta	Muse Glimmer 30B	2026年8月10日	74.60%	High reasoning	是	来源
ByteDance	Seed 2.0 Lite	2026年2月14日	67.70%	Seed2 official benchmark table \| DeepSearchQA	是	来源

帮助保持公开数据准确