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 | 84.9 | 82.8 | |
| 🥈 | GPT-o3 gpt | 85.8 | 81.3 | |
| 🥉 | Gemini 2.5 Pro gemini | 71.2 | 71.9 | |
| 4 | Grok 4 grok | 84.2 | 78.2 | |
| 5 | Gemini 3.1 Pro gemini | 75.2 | 72.5 | |
| 6 | GPT-5.5 gpt | 82.5 | 76.4 | |
| 7 | DeepSeek V4 Pro DeepSeek | 70.7 | 69.4 | |
| 8 | Claude Sonnet 4.6 claude | 86.7 | 77.3 | |
| 9 | 豆包 Pro doubao | 77.3 | 71 | |
| 10 | Qwen3 Max qwen | 84.3 | 73.3 | |
| 11 | GLM-4.6 zhipu | — | — |