Agents' Last Exam · v1.1, 122 tasks released 2026-10-17 (before 2026-10-26 update) · 测试定义与成绩

Agents' Last Exam · v1.1, 122 tasks released 2026-10-17 (before 2026-10-26 update) 收录 2 次模型发布的评测披露或成绩。

测试版本与指标

别名 Agents' Last Exam v1.1

  • Average rubric score · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Average rubric score %

工具条件未记录 / 推理预算未记录 / ALE-Claw · 122-task v1.1 set released 2026-10-17, default ALE-Claw, 5-hour window, safety filters enabled; average rubric score.

Agents' Last Exam · v1.1, 122 tasks released 2026-10-17 (before 2026-10-26 update) · Average rubric score · 工具条件未记录 / 推理预算未记录 / ALE-Claw · 122-task v1.1 set released 2026-10-17, default ALE-Claw, 5-hour window, safety filters enabled; average rubric score.
名次模型与配置成绩(%)记录与证据
1Gemini 4 Carbon未注明77.4%
2Gemini 4 Argon未注明69%

历史记录 · 2 次发布

  • Gemini 4 Carbon本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 4 Argon本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)