GDPval-AA · v2.1 · 测试定义与成绩

GDPval-AA · v2.1 收录 4 次模型发布的评测披露或成绩。

测试版本与指标

别名 GDPval-AA v2.1

  • Elo rating · Elo · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Elo rating Elo

允许工具 / max / 框架未记录 · GDPval-AA v2.1; 220 tasks; agentic shell and web browsing; Elo from blind pairwise judging.

GDPval-AA · v2.1 · Elo rating · 允许工具 / max / 框架未记录 · GDPval-AA v2.1; 220 tasks; agentic shell and web browsing; Elo from blind pairwise judging.
模型与配置成绩(Elo)记录与证据
Claude Fable 5.2Max1831 Elo

允许工具 / xhigh / 框架未记录 · GDPval-AA v2.1; 220 tasks; agentic shell and web browsing; Elo from blind pairwise judging.

GDPval-AA · v2.1 · Elo rating · 允许工具 / xhigh / 框架未记录 · GDPval-AA v2.1; 220 tasks; agentic shell and web browsing; Elo from blind pairwise judging.
模型与配置成绩(Elo)记录与证据
Claude Fable 5.2Xhigh1751 Elo

工具条件未记录 / max / 框架未记录 · GDPval-AA v2.1。

GDPval-AA · v2.1 · Elo rating · 工具条件未记录 / max / 框架未记录 · GDPval-AA v2.1。
模型与配置成绩(Elo)记录与证据
Claude Haiku 5.5Max1620 Elo

工具条件未记录 / Medium / 框架未记录 · GDPval-AA v2.1; 220 professional tasks across 44 occupations; Elo anchored to DeepSeek V4.1 Flash (max) at 1600.

GDPval-AA · v2.1 · Elo rating · 工具条件未记录 / Medium / 框架未记录 · GDPval-AA v2.1; 220 professional tasks across 44 occupations; Elo anchored to DeepSeek V4.1 Flash (max) at 1600.
模型与配置成绩(Elo)记录与证据
Claude Haiku 5.5Medium1277 Elo

允许工具 / max / 框架未记录 · GDPval-AA v2.1, 220 tasks across 44 occupations and nine industries; independent Artificial Analysis evaluation.

GDPval-AA · v2.1 · Elo rating · 允许工具 / max / 框架未记录 · GDPval-AA v2.1, 220 tasks across 44 occupations and nine industries; independent Artificial Analysis evaluation.
模型与配置成绩(Elo)记录与证据
Claude Sonnet 5.5Max1844 Elo

工具条件未记录 / xhigh / 框架未记录 · GDPval-AA v2.1, 220 tasks; independent Artificial Analysis evaluation.

GDPval-AA · v2.1 · Elo rating · 工具条件未记录 / xhigh / 框架未记录 · GDPval-AA v2.1, 220 tasks; independent Artificial Analysis evaluation.
模型与配置成绩(Elo)记录与证据
Claude Sonnet 5.5Xhigh1725 Elo

工具条件未记录 / max / 框架未记录 · GDPval-AA v2.1; 44 occupations。

GDPval-AA · v2.1 · Elo rating · 工具条件未记录 / max / 框架未记录 · GDPval-AA v2.1; 44 occupations。
模型与配置成绩(Elo)记录与证据
Claude Opus 5.5Max1846 Elo

工具条件未记录 / xhigh / Artificial Analysis independent harness · GDPval-AA v2.1; 220 tasks; 44 occupations; Artificial Analysis independent harness; xhigh effort.

GDPval-AA · v2.1 · Elo rating · 工具条件未记录 / xhigh / Artificial Analysis independent harness · GDPval-AA v2.1; 220 tasks; 44 occupations; Artificial Analysis independent harness; xhigh effort.
模型与配置成绩(Elo)记录与证据
Claude Opus 5.5Xhigh1820 Elo

历史记录 · 4 次发布

  • Claude Fable 5.2本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Claude Haiku 5.5本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Claude Sonnet 5.5本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Claude Opus 5.5本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)