SpreadSheetBench-v1Agent

SpreadSheetBench (NeurIPS 2024 Spotlight) 从 912 个真实 Excel 论坛问题构建，评估 LLM 在真实电子表格场景中的操作能力。包含多表格、非标准关系表和丰富非文本元素，使用类似 OJ 平台的多测试用例评估机制，人类与 SOTA 模型间存在显著差距。

排行数据源

#模型得分

1

MiniMax M3MiniMax

89.4%

2

Claude Opus 4.6Anthropic

89.3%

3

Claude Opus 4.7Anthropic

88.5%

4

GPT-5.5OpenAI

88.1%

5

Qwen3.7-Max阿里巴巴

87.0%

6

Qwen3.7-Plus阿里巴巴

86.3%

7

GLM-5.1智谱AI

85.2%

8

MiniMax M2.7MiniMax

84.9%

9

DeepSeek-V4-Pro深度求索

84.9%

10

Kimi-K2.6月之暗面

84.5%

共 12 个模型

返回基准目录

SpreadSheetBench-v1Agent

官方网站

SpreadSheetBench (NeurIPS 2024 Spotlight) 从 912 个真实 Excel 论坛问题构建，评估 LLM 在真实电子表格场景中的操作能力。包含多表格、非标准关系表和丰富非文本元素，使用类似 OJ 平台的多测试用例评估机制，人类与 SOTA 模型间存在显著差距。

排行数据源

#模型得分

1

MiniMax M3MiniMax

89.4%

2

Claude Opus 4.6Anthropic

89.3%

3

Claude Opus 4.7Anthropic

88.5%

4

GPT-5.5OpenAI

88.1%

5

Qwen3.7-Max阿里巴巴

87.0%

6

Qwen3.7-Plus阿里巴巴

86.3%

7

GLM-5.1智谱AI

85.2%

8

MiniMax M2.7MiniMax

84.9%

9

DeepSeek-V4-Pro深度求索

84.9%

10

Kimi-K2.6月之暗面

84.5%

共 12 个模型