YZ Index
YZ指数 · 材料约束排行榜
长文档理解、跨段落推理、强制引用检查、矛盾检测。胡编乱造扣分。
| # | 模型 | 材料约束 | 代码执行 | 主榜 |
|---|---|---|---|---|
| 🥇 | Claude Opus 4.7 claude | 79.6 | 82.6 | |
| 🥈 | DeepSeek V4 Pro DeepSeek | 80.6 | 79.3 | |
| 🥉 | GPT-o3 gpt | 80.1 | 76.7 | |
| 4 | Gemini 3.1 Pro gemini | 69.4 | 70.8 | |
| 5 | Qwen3 Max qwen | 70.7 | 71.5 | |
| 6 | Gemini 2.5 Pro gemini | 70.9 | 70 | |
| 7 | Grok 4 grok | 82.8 | 76.4 | |
| 8 | Claude Sonnet 4.6 claude | 77.6 | 72.9 | |
| 9 | GPT-5.5 gpt | 83.8 | 75.9 | |
| 10 | GLM-4.6 zhipu | 42.6 | 53.1 | |
| 11 | 豆包 Pro doubao | 41.9 | 52.2 |