BrowseComp · 1,266 题;单代理与多代理按协议区分 · 测试定义与成绩

BrowseComp · 1,266 题;单代理与多代理按协议区分 收录 15 次模型发布的评测披露或成绩。

测试版本与指标

别名 BrowseComp、Multi-agent BrowseComp

  • Accuracy · % · 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。

Accuracy %

工具条件未记录 / xhigh / 框架未记录 · 条件未说明

BrowseComp · 1,266 题;单代理与多代理按协议区分 · Accuracy · 工具条件未记录 / xhigh / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Xhigh84.4%

条件未说明

BrowseComp · 1,266 题;单代理与多代理按协议区分 · Accuracy · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Pro90.1%

允许工具 / high / 框架未记录 · Search + Python + browsing; Gemini 3.1 and 3 Pro use Deep Research.

BrowseComp · 1,266 题;单代理与多代理按协议区分 · Accuracy · 允许工具 / high / 框架未记录 · Search + Python + browsing; Gemini 3.1 and 3 Pro use Deep Research.
模型与配置成绩(%)记录与证据
Gemini 3.1 ProHigh85.9%

历史记录 · 15 次发布

  • GPT-6 Astra本次发布有 6 条成绩记录,含 6 条精确值(可含历史记录)
  • Claude Opus 5本次发布有 9 条成绩记录,含 9 条精确值(可含历史记录)
  • GPT-5.6 Sol本次发布有 24 条成绩记录,含 24 条精确值(可含历史记录)
  • GPT-5.6 Luna本次发布有 6 条成绩记录,含 6 条精确值(可含历史记录)
  • GPT-5.6 Terra本次发布有 6 条成绩记录,含 6 条精确值(可含历史记录)
  • Claude Sonnet 5本次发布有 3 条成绩记录,含 3 条精确值(可含历史记录)
  • Claude Opus 4.8本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.5本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Claude Opus 4.7本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Gemini 3.1 Pro本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Sonnet 4.6本次发布有 6 条成绩记录,含 6 条精确值(可含历史记录)
  • Claude Opus 4.6本次发布有 4 条成绩记录,含 4 条精确值(可含历史记录)
  • GPT-5.2本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Claude Opus 4.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)