LongBench v2长上下文

LongBench v2 是长文本理解评测基准的第二版，由 THUDM 提出。包含单文档问答、多文档摘要、长文本分类等多种长上下文任务，文本长度从几千到数万 token。v2 增加了更多需要长距离依赖建模的复杂推理题。

#	模型		得分 (%)	厂商	来源
1	Qwen3.5-397B-A17B		68.9	阿里巴巴	Nemotron-3-Ultra 技术报告
2	Claude Opus 4.5		64.4	Anthropic	Qwen3.6-Plus 技术报告
3	DeepSeek-V4-Pro		62.1	深度求索	Nemotron-3-Ultra 技术报告
4	Qwen3.6-Plus		62	阿里巴巴	Qwen3.6-Plus 技术报告
5	Nemotron-3-Ultra		61.9	NVIDIA	Nemotron-3-Ultra 技术报告
6	Kimi-K2.5		61	月之暗面	Qwen3.6-Plus 技术报告
7	GLM-5		60.8	智谱AI	Qwen3.6-Plus 技术报告
8	Qwen3.5-27B		60.6	阿里巴巴	Qwen3.5-122B-A10B 技术报告
9	Qwen3.5-122B-A10B		60.2	阿里巴巴	Qwen3.5-122B-A10B 技术报告
10	Qwen3.5-35B-A3B		59	阿里巴巴	Qwen3.5-122B-A10B 技术报告