跳到主内容
知行录
leaderboard.cn
Toggle Sidebar
搜索模型或厂商…
⌘K
分析
前沿模型
历史趋势
本地模型
模型对比
榜单工坊
资料库
模型库
模型价格
厂商
基准评测
数据源
设置
Toggle Sidebar
知行录
leaderboard.cn
正在加载页面内容
反馈
基准详情正在加载
返回基准目录
WANDR (relaxed score)
Agent
分享
Anthropic 使用修改版 harness:980k token 任务预算、仅可访问冻结索引的离线搜索与抓取工具、以 Claude Opus 4.6 为裁判;与 Perplexity官方基于实时网络、GPT-5.4 裁判的成绩不直接可比。
Perplexity 的宽域检索研究基准(Wide ANd Deep Research):500 项任务要求检索数十至数百个实体并为每个实体查找事实、附引用;主指标soft F1 在精确率(引用可核实比例)与召回率(事实完成比例)之间取平衡。
排行
数据源
#
模型
得分
1
Claude Fable 5.2
Anthropic
82.1
%
2
Claude Opus 5.5
Anthropic
72.3
%
3
Claude Fable 5.1
Anthropic
68.7
%
共 3 个模型