分项测试

每个模型强在哪里，弱在哪里

这里是全部 29 项测试，分成 6 个类别。得分是答对的比例，扣掉了蒙对的部分，满分 100。鼠标移到格子上或点一下，能看到 95% 置信区间。

图 1各项测试得分（满分 100），按类别分组

各项测试得分（满分 100），共 29 项测试，分为 6 个类别
	阅读								计数			空间、3D 与运动							找变化与找错误				示意图			不被误导

GPT-6 Astra中等	98	98	98	78	91	75	80	89	52	80	100	60	85	75	85	87	97	97	92	88	55	100	92	100	100	94	96	81	15
GPT-6.1 Sol中等	98	91	88	78	80	70	74	80	50	81	98	80	73	61	74	84	97	92	87	85	53	99	91	98	98	89	100	80	19
Claude Fable 5.2默认	95	95	52	90	75	78	70	96	52	42	98	80	82	75	70	93	100	100	82	100	64	97	90	100	95	94	96	59	40
Gemini 4 Argon默认	96	90	82	89	58	72	66	84	37	54	83	90	97	24	61	82	98	52	94	94	73	94	85	95	91	96	100	40	61
Claude Opus 5.5默认	91	85	44	88	76	70	67	78	43	52	92	70	79	20	59	82	100	88	74	95	67	100	81	98	92	93	97	70	44
Claude Sonnet 5.5默认	87	90	32	85	63	72	61	64	46	60	53	65	74	55	40	74	97	70	90	72	52	81	78	85	90	95	94	78	44
Kimi K3.1 Pro默认	80	87	60	87	67	47	60	90	47	20	93	100	69	0	40	56	100	72	87	87	36	100	87	87	100	100	100	50	20
Qwen3.8 Max默认	87	73	40	87	42	80	60	70	53	53	60	87	69	33	70	100	93	72	93	73	36	86	60	93	100	100	100	30	47
Claude Fable 5.1默认	65	82	25	85	56	72	52	62	42	60	87	75	59	40	55	61	100	92	60	90	52	100	63	75	90	94	99	44	48
Claude Haiku 5.5默认	81	76	31	78	50	70	40	74	29	37	78	44	63	9	35	54	92	35	76	84	32	97	76	84	76	95	96	59	39
Gemini 3.8 Flash中等	72	51	48	82	48	38	53	75	30	54	41	75	76	26	62	72	93	56	80	92	67	99	58	65	81	95	97	0	20
GPT-6 Luna中等	75	70	40	66	46	62	44	70	38	33	33	65	49	8	51	65	92	47	77	78	44	91	69	58	86	90	99	77	24
Qwen3.8-27B默认	60	40	20	60	50	80	40	70	80	0	60	100	29	0	40	47	100	45	80	80	52	100	40	60	80	100	100	40	20
Qwen3.8 Flash默认	65	55	38	77	46	66	49	68	34	27	61	73	59	0	51	55	96	53	74	68	25	89	57	54	87	92	92	2	35
Grok 4.7默认	40	80	0	100	50	60	60	40	60	60	40	100	29	20	10	47	100	45	60	60	52	100	40	0	80	100	67	70	20
Mistral Large 4默认	40	60	20	80	50	60	60	10	100	0	20	60	29	0	10	47	100	17	80	60	28	100	60	60	80	100	100	10	20
Muse Spark (open)默认	60	80	20	80	50	60	40	40	60	20	20	60	53	0	10	47	100	17	40	40	52	79	40	20	60	100	100	40	20
GLM-5V-Turbo默认	70	48	12	60	41	50	50	70	22	25	10	70	47	0	40	53	89	42	52	60	52	87	48	32	60	94	96	14	10
DeepSeek V4.1 Flash默认	26	36	20	68	50	45	32	48	29	2	22	65	36	0	24	42	89	37	62	58	30	92	52	32	78	86	90	0	31
GLM-5.3 Flash默认	42	43	26	61	44	52	25	46	26	11	12	54	45	0	18	53	75	30	56	58	27	82	40	37	70	89	90	11	36
Qwen3.6-35B-A3B默认	80	80	20	80	50	60	60	70	40	0	0	20	53	0	10	47	78	17	60	60	28	36	40	40	60	100	100	10	20
Qwen3-VL-235B默认	60	60	20	100	50	20	20	40	20	40	0	60	29	0	0	47	78	25	100	40	28	0	60	40	20	100	100	40	20
MiniMax M3默认	32	35	22	60	41	45	40	51	12	8	25	60	53	0	14	47	69	17	60	55	34	68	50	32	72	94	71	18	5
Step-5 (preview)默认	40	40	0	60	75	60	20	40	20	40	0	60	29	0	10	0	78	50	40	60	28	57	40	40	60	100	67	40	20
MiMo v2.6 Pro默认	9	32	8	69	37	49	32	52	18	23	17	66	29	0	12	32	88	28	55	71	19	87	51	32	54	92	79	8	5
Gemini 3.5 Flash-Lite默认	23	38	4	80	53	49	20	51	16	30	18	47	42	0	32	54	76	24	32	50	39	55	50	19	62	86	89	0	37
Gemma 4 31B默认	20	40	20	60	50	40	20	40	0	0	0	20	6	0	70	0	78	45	80	20	76	15	40	40	40	100	100	10	100
Seed 2.1 Turbo默认	0	40	40	60	25	20	20	10	80	0	0	20	6	0	10	0	33	45	80	40	28	36	40	20	80	100	100	10	60
Hunyuan HY4默认	40	40	40	60	25	0	20	40	0	0	20	20	29	0	0	20	55	45	20	60	52	79	40	20	80	100	67	70	20
Qwen3.5-9B不思考	50	38	3	68	47	33	4	50	19	10	28	60	23	13	10	50	31	0	48	8	31	8	35	6	34	89	73	0	20
Perceptron Mk1.5默认	51	45	1	69	51	41	4	54	14	8	—	62	27	0	23	56	47	—	32	18	7	6	34	14	23	91	76	0	21
Qwen3-VL-8B默认	41	27	0	72	46	30	5	41	11	18	23	65	21	0	1	38	14	17	36	11	23	4	32	10	14	90	86	0	9
MiniCPM-V 4.5默认	2	16	0	55	31	27	0	38	10	14	13	30	9	0	0	0	0	5	38	8	12	6	18	2	1	82	62	3	12
Gemma 4 E4B默认	0	10	0	54	26	26	4	12	9	0	0	44	8	0	1	10	5	0	12	10	5	2	10	6	4	67	63	0	27
Mistral Small 2603默认	0	6	0	61	29	22	2	0	6	14	—	26	0	0	7	6	0	—	32	4	6	6	10	2	16	38	50	0	0
LFM2.5-VL 1.6B默认	2	6	0	41	37	24	0	34	11	2	4	12	0	5	1	1	0	0	16	8	30	5	7	3	2	55	55	0	5