Nex AGI

3 个来源，其中 0 个独立于厂商：中心 32，来源分歧较大，所以显示为区间。

• 31.9 SWE-bench Pro (public): 61.2 · 厂商自报 · 对照同表模型换算（Kimi K3、GLM-5.3、DeepSeek V4 Pro 0813、Qwen3.8 Max、GPT-5.6 Sol）
• 32 Terminal-Bench 2.1: 82.7 · 厂商自报 · 对照同表模型换算（Kimi K3、GLM-5.3、DeepSeek V4 Pro 0813、Qwen3.8 Max、Claude Opus 5、GPT-5.6 Sol）
• 21.9 toolathlon verified: 68.5 · 厂商自报
• browsecomp: 89.7 · 厂商自报 · 未采用： 该基准尚无参考模型
• deepswe v1 1: 55.8 · 厂商自报 · 未采用： 没有同一评测框架的参考分
• osworld verified: 82.2 · 厂商自报 · 未采用： 该基准尚无参考模型

FTI 怎么算的

5 个来源，其中 1 个独立于厂商：中心 15，来源分歧较大，所以显示为区间。

• Artificial Analysis · 第三方
• 16.8 GPQA Diamond: 90.7 · 厂商自报
• 15.3 SWE-bench Pro (public): 58.8 · 厂商自报
• 12.5 SWE-bench Verified: 80.8 · 厂商自报
• 21.7 Terminal-Bench 2.1: 75.3 · 厂商自报
• browsecomp: 83.7 · 厂商自报 · 未采用： 该基准尚无参考模型

FTI 怎么算的