综合任务测评
LiveBench
比较模型在长任务、推理、编程、浏览器、数据分析、研究与文档设计中的表现和运行成本。
来源与报告范围
- 来源类型
- 综合任务测评
- 具体快照
- 3 份
- 资料日期
- 2026-10-31
来源站与具体报告分别收录。每份快照保留测试对象、任务、指标和条件，外部分数不作为本站实测，也不跨报告相加。
具体报告与历史快照
- LiveBench 2.0 综合任务表现与运行成本 →
观测 2026-10-31 · 32 条对象／运行记录 · 16 个独立指标
- LiveBench 2.0 综合任务表现与运行成本 →
观测 2026-10-27 · 31 条对象／运行记录 · 16 个独立指标
- LiveBench 2.0 综合任务表现与运行成本 →
观测 2026-10-18 · 49 条对象／运行记录 · 16 个独立指标