Gemini-3.7-Flash
- 62.1 分
- 76.8 分
- 47.4 分
项目测评
CompassBench 2026-07 · 推理
司南 OpenCompass · 15 条配置有公开分数，按独立指标查看结果和测试条件。
报告身份与条件
资料日期 2026-10-19 · 报告发布日期 —。运行日期与测试条件见各条记录。
- 本榜单使用司南闭源评测集，每三个月更新题目，并可能在季度间补充新模型；不同季度与任务分别比较。
- 综合及分项沿用原榜公布分数，不重新计算综合权重，也不将得分解释为题目准确率。
- 同一组模型配置在五个任务范围分别展示；名称中的推理档位保留，不能按表格行数相加计算唯一模型数量。
- 机构、参数量、发布日期与发布方式为本报告所列资料；开放权重标记不等于开放许可，使用权限以型号条款为准。
- 季度版本与榜单更新日分别保留，实际测试日及逐项样本数未列明。
- 成绩来源：司南 OpenCompass 官方榜单。
- 季度版本：2026-07；榜单资料更新：2026-08-24。
推理得分
通用高难推理得分
完整结果与对象版本
15 / 15 条配置有本范围的公开分数；列表展示有分数的配置，缺项保留“未提供”。同名型号的不同运行配置分别列出。
GLM-5.3
- 62 分
- 74.5 分
- 49.4 分
Kimi-K3 (high)
- 63.9 分
- 76 分
- 51.7 分
Hy3-preview (high)
- 54.6 分
- 72.2 分
- 36.9 分
Doubao-Seed-2.1-Pro-260628 (high)
- 64.9 分
- 77.8 分
- 52 分
GPT-5.5 (high)
- 66.9 分
- 78.6 分
- 55.2 分
GPT-5.6-Sol (high)
- 66.8 分
- 77.8 分
- 55.8 分
Kimi-K2.6 (high)
- 62.9 分
- 78.1 分
- 47.7 分
Qwen3.8-Max
- 65.2 分
- 78.1 分
- 52.3 分
DeepSeek-V4-Pro
- 55.5 分
- 69.6 分
- 41.3 分
Grok-4.6 (high)
- 60 分
- 75.3 分
- 44.8 分
DeepSeek-V4-Flash
- 61 分
- 73 分
- 49.1 分
Claude Opus 4.8 (high)
- 64.1 分
- 80.6 分
- 47.7 分
MiniMax-M3
- 54 分
- 69.9 分
- 38.1 分
Claude Opus 5 (high)
- 68.4 分
- 80.1 分
- 56.7 分