GDPval-AA推理Agent

GDPVal (Grounded Dialogue Preference Validation) 是一个用于评测 AI 在对话中理解和遵循用户偏好的基准。AA（Anthropic Alignment）子集重点关注 AI 在复杂对话中的对齐能力和价值观一致性。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

1,932.0Elo

2

Claude Opus 4.8Anthropic

1,890.0Elo

3

GPT-5.5OpenAI

1,769.0Elo

4

GPT-5.4OpenAI

1,674.0Elo

5

Claude Opus 4.6Anthropic

1,619.0Elo

6

Claude Sonnet 5Anthropic

1,618.0Elo

7

DeepSeek-V4-Pro深度求索

1,554.0Elo

8

GLM-5.1智谱AI

1,535.0Elo

9

Kimi-K2.6月之暗面

1,482.0Elo

10

Claude Sonnet 4.6Anthropic

1,395.0Elo

共 13 个模型

返回基准目录