时序数据插值与缺失值填充SQL

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：时序数据插值与缺失值填充SQL
  • 测试类型：文本生成
  • 评测维度：SQL 数据库能力
  • 参与评测的模型数：189 个

系统提示词（System Prompt）

你是一名资深数据库工程师，擅长 SQL 查询编写与时序数据处理。 回答要求： 1. 给出完整可运行的 SQL 语句 2. 对关键步骤添加注释说明 3. 说明所使用的核心函数或语法 4. 最终答案需明确标出

用户提示词（User Prompt）

有一张传感器温度记录表 `sensor_readings`，表结构如下： ```sql CREATE TABLE sensor_readings ( id BIGINT PRIMARY KEY, recorded_at TIMESTAMP NOT NULL, -- 记录时间（精确到秒） temperature FLOAT NOT NULL -- 温度值（摄氏度） ); ``` 请编写一条 SQL 查询，统计**过去 24 小时内每分钟的平均温度**。 要求： - 以每分钟为粒度进行聚合（即将同一分钟内的多条记录取平均值） - 只需返回**有数据的分钟**，不需要处理缺失分钟 - 结果按时间升序排列 - 输出列：`minute_slot`（分钟时间戳）、`avg_temperature`（该分钟平均温度）

各模型评测结果

  1. 第 1：Anthropic: Claude Sonnet 4.6，得分 97.9 分 — 查看该模型的详细评测结果
  2. 第 2：kimi-k2.6，得分 96.8 分 — 查看该模型的详细评测结果
  3. 第 3：kimi-k2.5，得分 96.3 分 — 查看该模型的详细评测结果
  4. 第 4：Elephant，得分 96.0 分 — 查看该模型的详细评测结果
  5. 第 5：qwen3.5-omni-flash，得分 95.7 分 — 查看该模型的详细评测结果
  6. 第 6：qwen3.5-35b-a3b，得分 95.7 分 — 查看该模型的详细评测结果
  7. 第 7：qwen3.6-plus-preview，得分 95.5 分 — 查看该模型的详细评测结果
  8. 第 8：qwen3.5-flash，得分 95.5 分 — 查看该模型的详细评测结果
  9. 第 9：Claude Opus 4.6，得分 94.8 分 — 查看该模型的详细评测结果
  10. 第 10：GLM-5v-turbo，得分 94.8 分 — 查看该模型的详细评测结果
  11. 第 11：Google: Gemma 4 26B A4B ，得分 94.7 分 — 查看该模型的详细评测结果
  12. 第 12：qwen3.5-plus-2026-02-15，得分 94.3 分 — 查看该模型的详细评测结果
  13. 第 13：OpenAI: gpt-oss-120b，得分 94.3 分 — 查看该模型的详细评测结果
  14. 第 14：qwen3.5-omni-plus，得分 94.1 分 — 查看该模型的详细评测结果
  15. 第 15：qwen3.5-27b，得分 94.1 分 — 查看该模型的详细评测结果
  16. 第 16：Google: Gemini 2.5 Flash Lite，得分 94.1 分 — 查看该模型的详细评测结果
  17. 第 17：hunyuan-turbo，得分 93.8 分 — 查看该模型的详细评测结果
  18. 第 18：Google: Gemini 3.1 Pro Preview，得分 93.8 分 — 查看该模型的详细评测结果
  19. 第 19：doubao-seed-1-8，得分 93.8 分 — 查看该模型的详细评测结果
  20. 第 20：Meituan: LongCat Flash Chat，得分 93.6 分 — 查看该模型的详细评测结果
  21. 第 21：xAI: Grok 4.20 Beta，得分 93.6 分 — 查看该模型的详细评测结果
  22. 第 22：OpenAI: gpt-oss-20b，得分 93.5 分 — 查看该模型的详细评测结果
  23. 第 23：mimo-v2-omni，得分 93.5 分 — 查看该模型的详细评测结果
  24. 第 24：xAI: Grok 4.1 Fast，得分 93.2 分 — 查看该模型的详细评测结果
  25. 第 25：Grok 4，得分 93.2 分 — 查看该模型的详细评测结果
  26. 第 26：Google: Gemini 3 Flash Preview，得分 93.0 分 — 查看该模型的详细评测结果
  27. 第 27：MiniMax-M2.5，得分 92.9 分 — 查看该模型的详细评测结果
  28. 第 28：GLM-5.1，得分 92.7 分 — 查看该模型的详细评测结果
  29. 第 29：hunyuan-pro，得分 92.7 分 — 查看该模型的详细评测结果
  30. 第 30：deepseek-v3.2，得分 92.5 分 — 查看该模型的详细评测结果
  31. 第 31：Google: Gemma 4 31B，得分 92.5 分 — 查看该模型的详细评测结果
  32. 第 32：OpenAI: GPT-5 Nano，得分 92.5 分 — 查看该模型的详细评测结果
  33. 第 33：doubao-seed-2-0-pro，得分 92.5 分 — 查看该模型的详细评测结果
  34. 第 34：OpenAI: GPT-5 Mini，得分 92.5 分 — 查看该模型的详细评测结果
  35. 第 35：qwen3-max，得分 92.5 分 — 查看该模型的详细评测结果
  36. 第 36：Anthropic: Claude Haiku 4.5，得分 92.5 分 — 查看该模型的详细评测结果
  37. 第 37：glm-5，得分 92.5 分 — 查看该模型的详细评测结果
  38. 第 38：StepFun: Step 3.5 Flash，得分 92.5 分 — 查看该模型的详细评测结果
  39. 第 39：qwen3-14b，得分 92.5 分 — 查看该模型的详细评测结果
  40. 第 40：glm-4.5-air，得分 92.2 分 — 查看该模型的详细评测结果
  41. 第 41：Qwen: Qwen3.5-9B，得分 92.2 分 — 查看该模型的详细评测结果
  42. 第 42：MiniMax-M2.1，得分 92.0 分 — 查看该模型的详细评测结果
  43. 第 43：hunyuan-large，得分 91.8 分 — 查看该模型的详细评测结果
  44. 第 44：qwen3-coder-plus，得分 91.7 分 — 查看该模型的详细评测结果
  45. 第 45：doubao-seed-2-0-code，得分 91.7 分 — 查看该模型的详细评测结果
  46. 第 46：OpenAI: GPT-5.4，得分 91.5 分 — 查看该模型的详细评测结果
  47. 第 47：mimo-v2-pro，得分 91.3 分 — 查看该模型的详细评测结果
  48. 第 48：doubao-seed-1-6，得分 91.3 分 — 查看该模型的详细评测结果
  49. 第 49：Claude Opus 4 7，得分 91.3 分 — 查看该模型的详细评测结果
  50. 第 50：GPT-5.2，得分 91.3 分 — 查看该模型的详细评测结果
  51. 第 51：qwen3-coder-flash，得分 91.3 分 — 查看该模型的详细评测结果
  52. 第 52：qwen3-235b-a22b，得分 91.3 分 — 查看该模型的详细评测结果
  53. 第 53：Meta: Llama 3.3 70B Instruct，得分 91.3 分 — 查看该模型的详细评测结果
  54. 第 54：mimo-v2-flash，得分 91.2 分 — 查看该模型的详细评测结果
  55. 第 55：qwen3-4b，得分 90.9 分 — 查看该模型的详细评测结果
  56. 第 56：MiniMax-M2.7，得分 90.8 分 — 查看该模型的详细评测结果
  57. 第 57：glm-4.7，得分 90.0 分 — 查看该模型的详细评测结果
  58. 第 58：qwen3-coder-next，得分 90.0 分 — 查看该模型的详细评测结果
  59. 第 59：OpenAI: GPT-4o-mini，得分 90.0 分 — 查看该模型的详细评测结果
  60. 第 60：doubao-seed-1-6-flash，得分 89.3 分 — 查看该模型的详细评测结果
  61. 第 61：qwen3-8b，得分 88.7 分 — 查看该模型的详细评测结果
  62. 第 62：doubao-seed-2-0-lite，得分 84.8 分 — 查看该模型的详细评测结果
  63. 第 63：NVIDIA: Nemotron 3 Super (free)，得分 82.8 分 — 查看该模型的详细评测结果
  64. 第 64：qwen3-0.6b，得分 33.5 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…