OpenGPT基于数据的模型选择起始候选 1
预览版Gemini 3.1 Pro
gemini-3.1-pro-previewGoogle目前没有映射到这个具体版本的可比公开结果。
04 · 任务榜单
文档与有依据的问答
长文件、摘要、引用以及仅依据所给正文回答。
- 官方版本
- 3
- 公开数据
- 1
- 数据截止日:
- 为什么选择这些候选
- 比较面向长上下文或企业检索的模型，再用真实文档检查引用与拒答表现。
- 仍需验证的部分
- 上下文长度并不能证明检索质量或对长文档的忠实程度。
- 公开数据
- 综合能力
- 数据截止日
起始候选
3 / 3三个值得优先测试的官方版本
公开数据可以缩小范围，但不能代替在真实工作中的受控测试。
起始候选 2
稳定版Claude Fable 5
claude-fable-5Anthropic综合能力 · #1
起始候选 3
稳定版Command A+
command-a-plus-05-2026Cohere目前没有映射到这个具体版本的可比公开结果。
公开数据不同公开数据使用不同量尺。缺失数据不会按 0 计算，不同来源也不会被合并成一个分数。⌄
Gemini 3.1 Pro
目前没有映射到这个具体版本的可比公开结果。
Claude Fable 5
- 来源排名
- #1
- 来源原始值
- 60
- 映射核实日期
Command A+
目前没有映射到这个具体版本的可比公开结果。
这是实测起点，不是万能冠军选择两个或三个候选，查看并列的公开数据。
不同公开数据使用不同量尺。缺失数据不会按 0 计算，不同来源也不会被合并成一个分数。
上下文长度并不能证明检索质量或对长文档的忠实程度。
系统会预选本任务模板和前两个已选候选；收集回答前可以编辑全部任务。