综合评估

共 6 项评测

评测名称 / 模式

得分

排名/总数

GPQA Diamond

thinking

91.90

9 / 165

MMLU Pro

thinking

90

2 / 116

ARC-AGI

thinking

75

14 / 50

LiveBench

thinking

74.14

9 / 51

HLE

thinking

37.50

33 / 124

ARC-AGI-2

thinking

31.10

18 / 42

常识问答

共 1 项评测

评测名称 / 模式

得分

排名/总数

SimpleQA

thinking

72.10

5 / 45

编程与软件工程

共 2 项评测

评测名称 / 模式

得分

排名/总数

LiveCodeBench

thinking

92

2 / 109

SWE-bench Verified

thinking

76.20

20 / 94

数学推理

共 4 项评测

评测名称 / 模式

得分

排名/总数

AIME2025

thinking

95

25 / 107

AIME 2026

thinking

90.60

9 / 11

FrontierMath

thinking

38

5 / 54

FrontierMath - Tier 4

thinking

18.80

5 / 34

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

Simple Bench

thinking

76.40

1 / 27

指令跟随

共 1 项评测

评测名称 / 模式

得分

排名/总数

IF Bench

thinking

70

10 / 27

Gemini 3.0 Pro (Preview 11-2025) 评测深度分析

评测结果

评测结果

综合评估

常识问答

编程与软件工程

数学推理

常识推理

指令跟随

数据来源