[控场AI]
基准

HLE-Diamond

高难度推理评估基准,用于测试模型在复杂问题上的推理能力。

时间轴 (近 90 天)

11月12日

Hydrogen 在 Agent Arena 实时基准上排名第 5;在 HLE-Diamond 上以 58.8% 领先同类;在 Vals Tax Agent Bench 上以 52.3% 排名第 1;在 Vals Legal Research Bench 上与第一名并列(55.8%)。

待验证50%

全部知识事实 (1)

来源文章