数据来源：后端 API 实时加载…
| 模型 | 推理 | 编程 | 知识 | 数学 | 多语言 | 多模态 | 数据来源 |
|---|
推理：ARC-AGI-2 · HLE · GPQA Diamond · LongBench v2
编程：SWE-bench Pro · LiveCodeBench · Terminal-Bench 2.0
知识：MMLU-Pro · HLE · SimpleQA · FrontierScience
数学：AIME 2025 · FrontierMath · MATH-500
多语言：MMLU-ProX · MGSM（含中文场景评测）
多模态：MMMU-Pro · OfficeQA Pro · 视觉分辨率
注：标注"部分估算"的维度为该模型在 BenchLM 类别中数据缺失，基于 LLM Stats 及同类模型推算。