CharXiv Reasoning · Validation split · 测试定义与成绩

CharXiv Reasoning · Validation split 收录 8 次模型发布的评测披露或成绩。

测试版本与指标

别名 CharXiv Reasoning

  • 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 %

条件未说明

CharXiv Reasoning · Validation split · Accuracy · 条件未说明
模型与配置成绩(%)记录与证据
GLM-4.6V未注明63.2%
GLM-4.6V-Flash未注明59.6%

历史记录 · 8 次发布

  • Claude Sonnet 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 4.8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 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Claude Sonnet 4.6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 4.6本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • GLM-4.6V本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GLM-4.6V-Flash本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 3 Pro本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)