Agents’ Last Exam · V1; 55 subfields; exact task snapshot unspecified · 测试定义与成绩

Agents’ Last Exam · V1; 55 subfields; exact task snapshot unspecified 收录 6 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

  • 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。

Score %

工具条件未记录 / low / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).

Agents’ Last Exam · V1; 55 subfields; exact task snapshot unspecified · Score · 工具条件未记录 / low / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).
名次模型与配置成绩(%)记录与证据
1GPT-6.1 TerraLow55.9%
2GPT-6 LunaLow36.3%

工具条件未记录 / medium / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).

Agents’ Last Exam · V1; 55 subfields; exact task snapshot unspecified · Score · 工具条件未记录 / medium / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).
名次模型与配置成绩(%)记录与证据
1GPT-6.1 TerraMedium57.6%
2GPT-6 LunaMedium46.8%

工具条件未记录 / high / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).

Agents’ Last Exam · V1; 55 subfields; exact task snapshot unspecified · Score · 工具条件未记录 / high / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).
名次模型与配置成绩(%)记录与证据
1GPT-6.1 TerraHigh57.2%
2GPT-6 LunaHigh43.6%

工具条件未记录 / xhigh / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).

Agents’ Last Exam · V1; 55 subfields; exact task snapshot unspecified · Score · 工具条件未记录 / xhigh / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).
名次模型与配置成绩(%)记录与证据
1GPT-6.1 TerraXhigh58.5%
2GPT-6 LunaXhigh47.9%

工具条件未记录 / maximum / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).

Agents’ Last Exam · V1; 55 subfields; exact task snapshot unspecified · Score · 工具条件未记录 / maximum / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).
模型与配置成绩(%)记录与证据
GPT-6.1 TerraMax60%

工具条件未记录 / max / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).

Agents’ Last Exam · V1; 55 subfields; exact task snapshot unspecified · Score · 工具条件未记录 / max / 框架未记录 · Agents’ Last Exam v1; y metric Score; x axis Cost (USD).
模型与配置成绩(%)记录与证据
GPT-6 LunaMax50.9%

历史记录 · 6 次发布

  • GPT-6.1 Terra本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-6.1 Sol本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-6 Luna本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-6 Sol本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-6 Astra本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-5.6 Terra本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)