DeepSearchQA (F1)Agent

官方网站

DeepSearchQA-F1 使用 F1 分数评估 Agent 搜索问答的答案质量。在评估答案准确性的同时，考虑答案的完整性和精确性，适合评估需要从多个来源提取和综合信息的复杂搜索任务。

排行数据源

#模型得分

1

GPT-5.5OpenAI

95.5%

2

Kimi K3月之暗面

95.0%

3

Claude Fable 5Anthropic

94.2%

4

Claude Opus 4.8Anthropic

93.1%

5

Kimi-K2.6月之暗面

92.5%

6

Claude Opus 4.6Anthropic

91.3%

7

混元3腾讯

91.0%

8

Seed2.1 Pro字节跳动

90.8%

9

Gemini 3.1 ProGoogle

90.4%

10

DeepSeek-V4-Pro深度求索

90.4%

共 22 个模型

返回基准目录

DeepSearchQA (F1)Agent

官方网站

DeepSearchQA-F1 使用 F1 分数评估 Agent 搜索问答的答案质量。在评估答案准确性的同时，考虑答案的完整性和精确性，适合评估需要从多个来源提取和综合信息的复杂搜索任务。

排行数据源

#模型得分

1

GPT-5.5OpenAI

95.5%

2

Kimi K3月之暗面

95.0%

3

Claude Fable 5Anthropic

94.2%

4

Claude Opus 4.8Anthropic

93.1%

5

Kimi-K2.6月之暗面

92.5%

6

Claude Opus 4.6Anthropic

91.3%

7

混元3腾讯

91.0%

8

Seed2.1 Pro字节跳动

90.8%

9

Gemini 3.1 ProGoogle

90.4%

10

DeepSeek-V4-Pro深度求索

90.4%

共 22 个模型