综合分析题

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：综合分析题
  • 测试类型：文本生成
  • 评测维度：问答能力
  • 参与评测的模型数：194 个

系统提示词（System Prompt）

你是一名经验丰富的教育顾问，擅长用通俗易懂的语言向大众介绍读书学习的价值与意义。 回答要求： 1. 语言表达流畅自然，避免生僻术语，适合普通读者理解。 2. 从至少3个不同维度（如知识积累、思维能力、个人成长等）阐述读书的好处。 3. 每个维度需给出简短的解释或举例，不可仅罗列词语。 4. 整体结构清晰，可使用分点或分段方式组织内容。 5. 结尾可用一两句话做简单总结，点明读书的整体价值。

用户提示词（User Prompt）

请回答以下问题： **读书有哪些好处？** 请从至少3个不同的角度（例如：知识与信息获取、思维与认知能力、个人情感与精神成长等）进行说明，并对每个角度给出简要的解释或生活中的例子。最后用1-2句话做一个简短的总结。

各模型评测结果

  1. 第 1：Claude Opus 4.6，得分 96.3 分 — 查看该模型的详细评测结果
  2. 第 2：StepFun: Step 3.5 Flash，得分 96.1 分 — 查看该模型的详细评测结果
  3. 第 3：glm-5-turbo，得分 96.0 分 — 查看该模型的详细评测结果
  4. 第 4：xAI: Grok 4.20 Beta，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 95.9 分 — 查看该模型的详细评测结果
  6. 第 6：qwen3.5-omni-plus，得分 95.8 分 — 查看该模型的详细评测结果
  7. 第 7：MiniMax-M2.1，得分 95.76 分 — 查看该模型的详细评测结果
  8. 第 8：doubao-seed-1-6，得分 95.6 分 — 查看该模型的详细评测结果
  9. 第 9：qwen3.6-plus-preview，得分 95.5 分 — 查看该模型的详细评测结果
  10. 第 10：mimo-v2-flash，得分 95.42 分 — 查看该模型的详细评测结果
  11. 第 11：Meituan: LongCat Flash Chat，得分 95.42 分 — 查看该模型的详细评测结果
  12. 第 12：kimi-k2-thinking-turbo，得分 95.12 分 — 查看该模型的详细评测结果
  13. 第 13：mimo-v2-pro，得分 95.1 分 — 查看该模型的详细评测结果
  14. 第 14：qwen3.5-35b-a3b，得分 95.0 分 — 查看该模型的详细评测结果
  15. 第 15：glm-4.5-air，得分 94.92 分 — 查看该模型的详细评测结果
  16. 第 16：Google: Gemma 4 26B A4B ，得分 94.7 分 — 查看该模型的详细评测结果
  17. 第 17：qwen3-coder-next，得分 94.7 分 — 查看该模型的详细评测结果
  18. 第 18：qwen3-14b，得分 94.5 分 — 查看该模型的详细评测结果
  19. 第 19：OpenAI: GPT-5 Mini，得分 94.33 分 — 查看该模型的详细评测结果
  20. 第 20：qwen3.5-27b，得分 94.3 分 — 查看该模型的详细评测结果
  21. 第 21：qwen3-4b，得分 94.3 分 — 查看该模型的详细评测结果
  22. 第 22：GLM-5.1，得分 94.2 分 — 查看该模型的详细评测结果
  23. 第 23：MiniMax-M2.7，得分 94.2 分 — 查看该模型的详细评测结果
  24. 第 24：kimi-k2.5，得分 93.86 分 — 查看该模型的详细评测结果
  25. 第 25：qwen3-8b，得分 93.8 分 — 查看该模型的详细评测结果
  26. 第 26：glm-5，得分 93.62 分 — 查看该模型的详细评测结果
  27. 第 27：doubao-seed-2-0-mini，得分 93.62 分 — 查看该模型的详细评测结果
  28. 第 28：qwen3.5-flash，得分 93.6 分 — 查看该模型的详细评测结果
  29. 第 29：deepseek-v3.2，得分 93.56 分 — 查看该模型的详细评测结果
  30. 第 30：Qwen: Qwen3.5-9B，得分 93.5 分 — 查看该模型的详细评测结果
  31. 第 31：mimo-v2-omni，得分 93.4 分 — 查看该模型的详细评测结果
  32. 第 32：GLM-5v-turbo，得分 93.3 分 — 查看该模型的详细评测结果
  33. 第 33：OpenAI: GPT-5.4，得分 93.2 分 — 查看该模型的详细评测结果
  34. 第 34：GPT-5.2，得分 93.2 分 — 查看该模型的详细评测结果
  35. 第 35：OpenAI: gpt-oss-120b，得分 93.16 分 — 查看该模型的详细评测结果
  36. 第 36：Anthropic: Claude Haiku 4.5，得分 93.16 分 — 查看该模型的详细评测结果
  37. 第 37：qwen3.5-plus-2026-02-15，得分 93.16 分 — 查看该模型的详细评测结果
  38. 第 38：glm-4.7，得分 93.1 分 — 查看该模型的详细评测结果
  39. 第 39：doubao-seed-1-8，得分 93.0 分 — 查看该模型的详细评测结果
  40. 第 40：Anthropic: Claude Sonnet 4.6，得分 92.79 分 — 查看该模型的详细评测结果
  41. 第 41：qwen3-235b-a22b，得分 92.7 分 — 查看该模型的详细评测结果
  42. 第 42：NVIDIA: Nemotron 3 Super (free)，得分 92.5 分 — 查看该模型的详细评测结果
  43. 第 43：doubao-seed-2-0-code，得分 92.5 分 — 查看该模型的详细评测结果
  44. 第 44：Google: Gemma 4 31B，得分 92.3 分 — 查看该模型的详细评测结果
  45. 第 45：doubao-seed-2-0-lite，得分 92.1 分 — 查看该模型的详细评测结果
  46. 第 46：qwen3-coder-plus，得分 92.0 分 — 查看该模型的详细评测结果
  47. 第 47：MiniMax-M2.5，得分 91.86 分 — 查看该模型的详细评测结果
  48. 第 48：qwen3-max，得分 91.66 分 — 查看该模型的详细评测结果
  49. 第 49：Google: Gemini 3 Flash Preview，得分 91.64 分 — 查看该模型的详细评测结果
  50. 第 50：Google: Gemini 3.1 Pro Preview，得分 91.19 分 — 查看该模型的详细评测结果
  51. 第 51：OpenAI: gpt-oss-20b，得分 91.14 分 — 查看该模型的详细评测结果
  52. 第 52：Grok 4，得分 91.0 分 — 查看该模型的详细评测结果
  53. 第 53：OpenAI: GPT-5 Nano，得分 90.92 分 — 查看该模型的详细评测结果
  54. 第 54：doubao-seed-2-0-pro，得分 90.85 分 — 查看该模型的详细评测结果
  55. 第 55：hunyuan-pro，得分 90.35 分 — 查看该模型的详细评测结果
  56. 第 56：xAI: Grok 4.1 Fast，得分 89.88 分 — 查看该模型的详细评测结果
  57. 第 57：hunyuan-turbo，得分 89.81 分 — 查看该模型的详细评测结果
  58. 第 58：doubao-seed-1-6-flash，得分 89.5 分 — 查看该模型的详细评测结果
  59. 第 59：qwen3-coder-flash，得分 89.2 分 — 查看该模型的详细评测结果
  60. 第 60：hunyuan-large，得分 88.22 分 — 查看该模型的详细评测结果
  61. 第 61：OpenAI: GPT-4o-mini，得分 88.22 分 — 查看该模型的详细评测结果
  62. 第 62：Mistral: Mistral Nemo，得分 87.25 分 — 查看该模型的详细评测结果
  63. 第 63：qwen3-0.6b，得分 84.7 分 — 查看该模型的详细评测结果
  64. 第 64：Meta: Llama 3.3 70B Instruct，得分 77.38 分 — 查看该模型的详细评测结果
  65. 第 65：Google: Gemini 2.5 Flash Lite，得分 68.88 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…