GDPval RubricsAgent

官方网站

GDPVal-Rubrics 在 GDPVal 基础上增加了详细的评分量规体系。每个任务关联一组可验证的评分标准，支持细粒度的自动化评估和反馈，可用于训练奖励模型或进行细粒度的 Agent 性能诊断。

排行数据源

#模型得分

1

GPT-5.5OpenAI

80.7%

2

Claude Opus 4.7Anthropic

79.8%

3

Claude Sonnet 4.6Anthropic

75.7%

4

MiniMax M3MiniMax

74.8%

5

DeepSeek-V4-Pro深度求索

70.3%

6

GLM-5.1智谱AI

68.3%

7

MiniMax M2.7MiniMax

66.4%

8

Kimi-K2.6月之暗面

65.1%

9

Gemini 3.1 ProGoogle

57.8%

共 9 个模型

返回基准目录

GDPval RubricsAgent

官方网站

GDPVal-Rubrics 在 GDPVal 基础上增加了详细的评分量规体系。每个任务关联一组可验证的评分标准，支持细粒度的自动化评估和反馈，可用于训练奖励模型或进行细粒度的 Agent 性能诊断。

排行数据源

#模型得分

1

GPT-5.5OpenAI

80.7%

2

Claude Opus 4.7Anthropic

79.8%

3

Claude Sonnet 4.6Anthropic

75.7%

4

MiniMax M3MiniMax

74.8%

5

DeepSeek-V4-Pro深度求索

70.3%

6

GLM-5.1智谱AI

68.3%

7

MiniMax M2.7MiniMax

66.4%

8

Kimi-K2.6月之暗面

65.1%

9

Gemini 3.1 ProGoogle

57.8%

共 9 个模型