分项榜单

查看跨厂家模型在代码编辑工作流中的运行记录，核对推理档位、工具版本、格式及样本。

比较模型的综合能力指数、文本Token报价与发布记录。

查阅原始 R1 蒸馏模型的数学、知识与编程分项，注意开发者自报和模型版本边界。

通过官方排行榜入口查看模型对战资料；旧域名已重定向至 arena.ai，具体成绩请查看对应任务榜单。

比较欧洲32种语言的生成式任务结果，按测试集、验证集和提示方式查看均值排名分与95%置信区间。

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。

比较模型的工具调用、联网搜索、记忆、多轮任务，以及运行费用与延迟。

比较抽象推理、交互式学习能力与运行费用，按基准版本和框架分别呈现。

按季度与任务比较模型的综合、知识、推理、数学及编程表现。

按题目发布时间和难度比较代码生成Pass@1，保留配置与评测范围。