Agentic Index
工具使用、规划、多步骤执行与客户交互工作流。
GDPval-AA v2 · τ³-Banking理解这个指数 →Capability Indices
专业能力指数
同一模型在职业、工具使用、编程和专业知识任务上可能表现完全不同。八个视角保持独立。
Coding Index
真实终端操作、编程、科学计算与研究型代码。
Terminal-Bench v2.1 · SciCode理解这个指数 →财务与会计
金融知识、量化推理、长文档分析与工具化工作流。
AA-Omniscience · GDPval-AA v2 · HLE · τ³-Banking · AA-LCR理解这个指数 →战略与运营
商业知识、运营流程、客户交互、指令遵循与长上下文。
AA-Omniscience · GDPval-AA v2 · τ³-Banking · IFBench · AA-LCR理解这个指数 →法律
法律知识、文件分析、长上下文推理与非幻觉能力。
AA-Omniscience · GDPval-AA v2 · HLE · τ³-Banking · AA-LCR理解这个指数 →医疗健康
医学知识、临床推理、医疗记录、药物管理与患者交互。
AA-Omniscience · GDPval-AA v2 · HLE · τ³-Banking理解这个指数 →工程
工程知识、定量推理、工具化交付与真实终端操作。
AA-Omniscience · HLE · GPQA Diamond · Crit-Pt · GDPval-AA v2 · Terminal-Bench v2.1理解这个指数 →经济学
经济知识、定量分析、Agent 工作流与长报告阅读。
AA-Omniscience · HLE · GDPval-AA v2 · AA-LCR理解这个指数 →