DeepSeek和Kimi排名变了！这次AI考卷不一样

新考题 权重变化及发布时的模型成绩

第五版之前的成绩 分项优势和开放权重计划

第五版新榜首 任务成本和开放范围

九项评测的任务 设置 评分和版本记录

按能力 成本与速度查看当前模型对比

在统一尺度上观察不同时期的模型进展

跨版本比较的统计方法 数据要求和局限

代码能否合并的评分标准与真实失败案例

跨学科科研工作流 任务说明与公开榜单

精炼后的一千道题 知识与推理如何划分

研究级物理题及原始评测背景

V4.1 Flash官方模型卡和版本记录

K3.1 Pro的官方基准 演示与技术说明