常识问答

这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。

基本信息

  • 用例名称：常识问答
  • 测试类型：文本生成
  • 评测维度：问答能力
  • 参与评测的模型数：203 个

系统提示词（System Prompt）

你是一名资深科普作家和物理化学专家，擅长以精确、简洁的语言传递科学事实。 回答要求： 1. 给出准确的数值答案，并明确说明该答案成立的前提条件（如标准大气压）。 2. 回答应简洁直接，无需展开复杂推导，但核心事实必须完整。 3. 若存在常见误区或补充说明（如气压变化对沸点的影响），可简要提及，但不得喧宾夺主。 4. 使用规范的科学单位和表达方式。

用户提示词（User Prompt）

在标准大气压（101.325 kPa）条件下，纯水的沸点是多少摄氏度？ 请在回答中： 1. 给出准确的数值（摄氏度）； 2. 明确指出「标准大气压」这一前提条件的意义； 3. 简要说明若气压发生变化（如高海拔地区），沸点会如何变化（一句话即可）。

各模型评测结果

  1. 第 1：kimi-k2.6，得分 97.8 分 — 查看该模型的详细评测结果
  2. 第 2：GPT-5.2，得分 97.0 分 — 查看该模型的详细评测结果
  3. 第 3：doubao-seed-1-6，得分 96.9 分 — 查看该模型的详细评测结果
  4. 第 4：GLM-5v-turbo，得分 96.8 分 — 查看该模型的详细评测结果
  5. 第 5：Claude Opus 4 7，得分 96.5 分 — 查看该模型的详细评测结果
  6. 第 6：qwen3-235b-a22b，得分 95.5 分 — 查看该模型的详细评测结果
  7. 第 7：kimi-k2.5，得分 95.47 分 — 查看该模型的详细评测结果
  8. 第 8：Google: Gemma 4 26B A4B ，得分 95.3 分 — 查看该模型的详细评测结果
  9. 第 9：qwen3.5-27b，得分 95.3 分 — 查看该模型的详细评测结果
  10. 第 10：GLM-5.1，得分 95.2 分 — 查看该模型的详细评测结果
  11. 第 11：qwen3-max，得分 95.0 分 — 查看该模型的详细评测结果
  12. 第 12：Elephant，得分 94.7 分 — 查看该模型的详细评测结果
  13. 第 13：doubao-seed-1-8，得分 94.6 分 — 查看该模型的详细评测结果
  14. 第 14：MiniMax-M2.7，得分 94.6 分 — 查看该模型的详细评测结果
  15. 第 15：Qwen: Qwen3.5-9B，得分 94.5 分 — 查看该模型的详细评测结果
  16. 第 16：Meituan: LongCat Flash Chat，得分 94.37 分 — 查看该模型的详细评测结果
  17. 第 17：qwen3-8b，得分 94.2 分 — 查看该模型的详细评测结果
  18. 第 18：qwen3.5-plus-2026-02-15，得分 94.13 分 — 查看该模型的详细评测结果
  19. 第 19：Claude Opus 4.6，得分 94.0 分 — 查看该模型的详细评测结果
  20. 第 20：Anthropic: Claude Sonnet 4.6，得分 93.87 分 — 查看该模型的详细评测结果
  21. 第 21：Anthropic: Claude Haiku 4.5，得分 93.83 分 — 查看该模型的详细评测结果
  22. 第 22：kimi-k2-thinking-turbo，得分 93.83 分 — 查看该模型的详细评测结果
  23. 第 23：glm-4.7，得分 93.8 分 — 查看该模型的详细评测结果
  24. 第 24：MiniMax-M2.5，得分 93.67 分 — 查看该模型的详细评测结果
  25. 第 25：doubao-seed-2-0-code，得分 93.5 分 — 查看该模型的详细评测结果
  26. 第 26：mimo-v2-flash，得分 93.47 分 — 查看该模型的详细评测结果
  27. 第 27：deepseek-v3.2，得分 93.47 分 — 查看该模型的详细评测结果
  28. 第 28：Google: Gemma 4 31B，得分 93.2 分 — 查看该模型的详细评测结果
  29. 第 29：qwen3.6-plus-preview，得分 93.0 分 — 查看该模型的详细评测结果
  30. 第 30：glm-5，得分 93.0 分 — 查看该模型的详细评测结果
  31. 第 31：qwen3.5-omni-plus，得分 93.0 分 — 查看该模型的详细评测结果
  32. 第 32：OpenAI: gpt-oss-120b，得分 92.83 分 — 查看该模型的详细评测结果
  33. 第 33：StepFun: Step 3.5 Flash，得分 92.5 分 — 查看该模型的详细评测结果
  34. 第 34：OpenAI: GPT-5.4，得分 92.5 分 — 查看该模型的详细评测结果
  35. 第 35：MiniMax-M2.1，得分 92.45 分 — 查看该模型的详细评测结果
  36. 第 36：glm-4.5-air，得分 92.3 分 — 查看该模型的详细评测结果
  37. 第 37：Grok 4，得分 92.2 分 — 查看该模型的详细评测结果
  38. 第 38：xAI: Grok 4.1 Fast，得分 92.17 分 — 查看该模型的详细评测结果
  39. 第 39：qwen3.5-35b-a3b，得分 92.0 分 — 查看该模型的详细评测结果
  40. 第 40：NVIDIA: Nemotron 3 Super (free)，得分 92.0 分 — 查看该模型的详细评测结果
  41. 第 41：qwen3-14b，得分 91.7 分 — 查看该模型的详细评测结果
  42. 第 42：hunyuan-large，得分 91.33 分 — 查看该模型的详细评测结果
  43. 第 43：qwen3-coder-next，得分 91.2 分 — 查看该模型的详细评测结果
  44. 第 44：qwen3.5-omni-flash，得分 91.2 分 — 查看该模型的详细评测结果
  45. 第 45：OpenAI: gpt-oss-20b，得分 90.43 分 — 查看该模型的详细评测结果
  46. 第 46：mimo-v2-omni，得分 90.2 分 — 查看该模型的详细评测结果
  47. 第 47：Google: Gemini 3.1 Pro Preview，得分 89.29 分 — 查看该模型的详细评测结果
  48. 第 48：Meta: Llama 3.3 70B Instruct，得分 88.83 分 — 查看该模型的详细评测结果
  49. 第 49：qwen3-coder-flash，得分 88.5 分 — 查看该模型的详细评测结果
  50. 第 50：qwen3.5-flash，得分 88.3 分 — 查看该模型的详细评测结果
  51. 第 51：hunyuan-pro，得分 88.08 分 — 查看该模型的详细评测结果
  52. 第 52：Google: Gemini 2.5 Flash Lite，得分 87.93 分 — 查看该模型的详细评测结果
  53. 第 53：qwen3-coder-plus，得分 87.7 分 — 查看该模型的详细评测结果
  54. 第 54：doubao-seed-2-0-lite，得分 87.07 分 — 查看该模型的详细评测结果
  55. 第 55：OpenAI: GPT-5 Nano，得分 86.18 分 — 查看该模型的详细评测结果
  56. 第 56：doubao-seed-2-0-mini，得分 85.7 分 — 查看该模型的详细评测结果
  57. 第 57：OpenAI: GPT-5 Mini，得分 84.53 分 — 查看该模型的详细评测结果
  58. 第 58：qwen3-4b，得分 83.7 分 — 查看该模型的详细评测结果
  59. 第 59：doubao-seed-1-6-flash，得分 83.0 分 — 查看该模型的详细评测结果
  60. 第 60：OpenAI: GPT-4o-mini，得分 82.85 分 — 查看该模型的详细评测结果
  61. 第 61：mimo-v2-pro，得分 82.7 分 — 查看该模型的详细评测结果
  62. 第 62：doubao-seed-2-0-pro，得分 81.73 分 — 查看该模型的详细评测结果
  63. 第 63：Google: Gemini 3 Flash Preview，得分 81.47 分 — 查看该模型的详细评测结果
  64. 第 64：hunyuan-turbo，得分 80.83 分 — 查看该模型的详细评测结果
  65. 第 65：Mistral: Mistral Nemo，得分 75.88 分 — 查看该模型的详细评测结果
  66. 第 66：xAI: Grok 4.20 Beta，得分 74.2 分 — 查看该模型的详细评测结果
  67. 第 67：qwen3-0.6b，得分 53.8 分 — 查看该模型的详细评测结果
题目
模型排行
加载中…
模型评分
加载中…