高难度问题

如何理解这张图表

官方前列结果摘录。人类偏好评分不是准确率；IPS 为另一类指标。

指标单位：Arena Rating. 数值仅应在相同任务和评测协议内比较。

源数据发布日期：2026-10-22. 所示指标中数值越大表示结果越好。

数据来源： Arena · CC BY 4.0. 根据官方公开数据重新绘图；筛选部分模型并对数值作四舍五入。非数据源机构官方网站。