OfficeQA Pro 由 Databricks 发布，测试在大量真实财务文档上的有据推理能力。初版在 697 份美国财政部公报上提出 133 道难题，要求智能体在扫描表格和正文中定位并组合证据；后续 V2 换用了另一套联邦财政语料。
查看 Office QA Pro 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Claude Fable 5.1 思考水平·Max工具 | 69.00 | 2026-09-01 | 未知 | 闭源 | |
Claude Opus 5.5 思考水平·Max工具 | 67.70 | 2026-09-22 | 未知 | 闭源 | |
 Hy4 preview 思考水平·高工具 | 66.20 | 2026-08-28 | 7700亿 | 免费商用 | |
4 | Claude Sonnet 5.5 思考水平·Max工具 | 65.60 | 2026-09-28 | 未知 | 闭源 |
5 |  Kimi K3 思考水平·Max工具 | 63.30 | 2026-07-16 | 28000亿 | 有条件商用 |
6 |  GLM-5.3-Flash 思考水平·Max | 62.40 | 2026-08-26 | 3200亿 | 免费商用 |
7 |  Step 5 Preview 思考水平·高工具 | 60.30 | 2026-09-20 | 6000亿 | 闭源 |
Kimi K3 (max) 官方发布成绩：63.3（2026-07-16）。
