Thematic Generalisation
AI 基准测试结果和模型表现
类型: numerical
已记录的结果
30
平均分数
57.23
分数范围
20.30 - 80.60
领先模型
80.60 - Claude Opus 4.6
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 |
|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 2026年2月19日 | 79.40 | Top-1 accuracy 91.5%; cases 703 | 否 | 来源 | |
| GLM 5.1 | 2026年4月07日 | 69.80 | Top-1 accuracy 85.9%; cases 703 | 否 | 来源 | |
| Kimi K2.5 | 2026年1月27日 | 69.40 | Thinking; Top-1 accuracy 84.8%; cases 703 | 否 | 来源 | |
| Claude Opus 4.6 | 2026年2月05日 | 68.80 | No reasoning; Top-1 accuracy 84.1%; cases 703 | 否 | 来源 | |
| Claude Sonnet 4.6 | 2026年2月17日 | 68.50 | No reasoning; Top-1 accuracy 82.5%; cases 703 | 否 | 来源 | |
| Qwen 3.5 397B A17B | 2026年2月16日 | 65.10 | Top-1 accuracy 82.4%; cases 703 | 否 | 来源 | |
| DeepSeek V3.2 | 2025年12月01日 | 65 | Top-1 accuracy 81.8%; cases 703 | 否 | 来源 | |
| Gemini 3.1 Flash Lite Preview | 2026年3月03日 | 63.30 | Top-1 accuracy 82.1%; cases 703 | 否 | 来源 | |
| GPT 5.4 Mini | 2026年3月17日 | 61.70 | xHigh reasoning; Top-1 accuracy 80.8%; cases 703 | 否 | 来源 | |
| Qwen 3.6 Plus | 2026年4月01日 | 59.50 | Top-1 accuracy 81.5%; cases 703 | 否 | 来源 | |
| Seed 2.0 Pro | 2026年2月14日 | 57.10 | Top-1 accuracy 77.0%; cases 703 | 否 | 来源 | |
| Gemma 4 31B | 2026年4月02日 | 53 | Reasoning; Top-1 accuracy 76.1%; cases 703 | 否 | 来源 | |
| Claude Opus 4.7 | 2026年4月16日 | 52.60 | No reasoning; Top-1 accuracy 71.6%; cases 703 | 否 | 来源 | |
| Qwen 3.5 122B A10B | 2026年2月24日 | 51.20 | Top-1 accuracy 76.5%; cases 703 | 否 | 来源 | |
| MiMo V2 Pro | 2026年3月18日 | 45.90 | Top-1 accuracy 68.8%; cases 703 | 否 | 来源 | |
| Qwen 3.5 27B | 2026年2月24日 | 45.50 | Top-1 accuracy 71.3%; cases 703 | 否 | 来源 | |
| Ernie 5.0 | 2026年1月22日 | 41.70 | Top-1 accuracy 65.3%; cases 703 | 否 | 来源 | |
| Trinity Large Thinking | 2026年4月01日 | 41.60 | Top-1 accuracy 66.1%; cases 703 | 否 | 来源 | |
| MiniMax M2.7 | 2026年3月18日 | 39.30 | Top-1 accuracy 63.4%; cases 703 | 否 | 来源 | |
| GPT 5.4 | 2026年3月05日 | 27.10 | No reasoning; Top-1 accuracy 44.0%; cases 703 | 否 | 来源 | |
| Mistral Large 3.0 | 2025年12月02日 | 23 | Top-1 accuracy 34.0%; cases 703 | 否 | 来源 | |
| Grok 4.20 | 2026年2月17日 | 22 | Non-reasoning; Top-1 accuracy 33.4%; cases 703 | 否 | 来源 | |
| Mistral Medium 3.1 | 2025年8月12日 | 20.30 | Top-1 accuracy 32.3%; cases 703 | 否 | 来源 |
