跳过主要内容
评测来源/BullshitBench v2
参与排名知识与语言

BullshitBench v2

BullshitBench · BullshitBench v2 的公开模型评测结果。

官方评测
来源说明

该来源测量模型在「知识与语言」领域的具体交付表现,原始成绩会和统一能力读数分开展示。

限制: 不同版本、推理设置和测试集可能导致分数变化,请结合数据时间阅读。

使用方式

参与排名的来源会影响能力分;参考、交叉参考和观察来源仅用于对比与核验。

本来源的模型成绩

Qwen3.8 Max0.9580.12026-11-05
Claude Opus 4.80.9580.12026-11-05
Claude Sonnet 4.60.9177.82026-11-05
Claude Opus 4.50.977.22026-11-05
Claude Opus 4.60.8775.42026-11-05
Claude Opus 4.70.8373.12026-11-05
Claude Sonnet 50.871.42026-11-05
Claude Sonnet 4.50.7970.82026-11-05
Qwen3.5 397B-A17B0.7870.22026-11-05
Claude Fable 5.10.7769.72026-11-05
Claude Haiku 4.50.7769.72026-11-05
Kimi K30.7467.92026-11-05
Claude Opus 50.7367.32026-11-05
Qwen3.6 Plus0.7266.82026-11-05
Qwen3.7 Max0.7266.82026-11-05
GLM 5.30.7266.82026-11-05
GPT-6 Astra0.6965.02026-11-05
Gemini 3.5 Flash Lite0.6663.32026-11-05
Gemini 4 Argon0.6663.32026-10-18
Gemini 4 Argon0.6663.32026-11-05
Gemini 4 Argon0.6663.32026-10-17
Grok 4.60.6663.32026-11-05
Kimi K2.60.6562.72026-11-05
GPT-6.1 Sol0.6562.72026-11-05

第 1 / 4 页

常见问题