待验证50% 置信事实精确时间
GPQA Diamond、MMLU-Pro、Humanity's Last Exam、SWE-bench Verified、Terminal-Bench、MMMU-Pro、LEXam、Open ASR Leaderboard 都属于 Hugging Face 官方标记的 official benchmark。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/15
首次发现
有效期至：2027/1/13
来源
Hugging Face官方基准榜首聚合索引：49项榜单谁在领跑
rss2026/10/15
涉及实体
相关事实
待验证评测覆盖MMLU-Pro、GPQA Diamond、GSM8K、德语MGSM和IFEval五个基准70% 相似待验证GPQA Diamond是测试研究生级别科学推理能力的基准，普通人类表现约35%，顶级闭源模型在60-75%区间63% 相似待验证Qwen3.8-27B 官方模型卡成绩：GPQA Diamond 89.2、LiveCodeBench v6 90.3、SWE-bench Pro 61.7、Terminal Bench 2.1 73.0；Artificial Analysis Intelligence Index 52 分，与 GPT-5.6 Luna 持平，仅比 GLM-5.2（753B）和 DeepSeek V4 Pro（1.7T）低一分。60% 相似待验证在全部 38 项基准中，Aplomb 1 在 8 项上拿到 5.3B 以内模型最高分，包括 MMLU-Pro、GPQA Diamond 和 BBH59% 相似待验证GLM-5.3在Agents' Last Exam基准上达到开源模型SOTA成绩58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1036283API
curl https://kongchang.com/api/v1/knowledge/claims/1036283MCP
get_claim(id=1036283)