📊 多榜单 Benchmark 可视化看板
统一收录项目内全部可核实的模型指标，并给出每个榜单的完整参评名单。榜单条目 = 模型 × 配置（agent 脚手架 / reasoning effort / 编辑格式），同一模型换配置分数不同，因此分开记录；排名只在同口径内有效，不同单位、方向或 harness 的指标不参与混算。缺失指标显式标注，不做补零或跨口径平均。
📐 数据口径（先看这里）
🏁 榜单全貌与完整参评名单
下面是每个榜单官方公布的全部参评条目，而不是项目已收录的模型。选择榜单可查看该榜完整排名、每个条目的配置（agent / 推理档位）与分数；同一模型出现多条是不同配置，不是重复。
📌 榜单覆盖对照
🔍 筛选与排序
📋 观测明细
点击表头可排序。跨口径组的数值排序已禁用——不同单位或方向的分数放在一起排序没有意义；请先选定单个可比组。
🧩 模型 × 榜单 覆盖矩阵与指标覆盖率
📈 各模型指标覆盖率
🧱 跨榜拼图：同一模型在不同榜单的表现
把同一个模型在各榜单的分数并排呈现，跨榜单拼出完整画像。
各榜口径不同（任务集、harness、调用模式、评测期都不同），因此这些数值只能并列查看，不能直接相减或跨榜排名；
单元格内的名次仅在本榜本期内有效。空白表示该模型未出现在该榜。
⚖️ 模型横向对比
勾选 2–4 个模型。对比表只列出至少两个所选模型都有数值的行，缺失显示「未披露」；同名但跨口径的指标分行展示并标注不可比较。
⚠️ 口径差异与缺失清单
🃏 House of Model Cards (HOMC) · Benchmark 看板 |
返回主站 | 数据截至 2026-11-06 · 自
data/benchmark_observations.json + data/benchmark_boards.json 生成