SYSTEM1BENCH

决策模型排行榜OPEN BENCHMARK

专用决策模型与通用大模型，在相同任务上的真实表现。

固定题目保留分母与测量条件

—主榜模型

7任务领域

4,905每模型主面板决策

成绩、稳定性与速度分开呈现。
不是 Elo，也不是人工偏好投票。

综合表现

分类成绩显示答对数与样本数；领域等权综合分不伪装成整体答对率。

换选项顺序应保持正确；改变关键事实时则应及时改判。两次都答对才获得奖励。

同卡、相同字段数、完整请求耗时。托管 API 与官方不同硬件成绩不混排。