Harness
deepseek_harness 配 deepseek-flash 时最强,总榜第 25 名。
有效评测评测了其中 2 个模型,另外 17 个模型还没有评测。
最常见的是第 6 名以后,共 19 类任务。
每一行是一类工作,每个点是一套搭配在这类工作里的名次,越靠左越好。悬停在点上看名称和名次,点下面的名字可以只看这一套。
格子里的数字是名次:这套搭配在这个任务里排第几,1 最好,比如 3 就是第 3 名。悬停在数字上,可以看到这个任务一共有几个搭配参与排名;没有跑这个任务的显示为横线。
| 任务 | ||
|---|---|---|
| 学术研究 | 25 | 33 |
| 信息技术管理 | 29 | 15 |
第 1 名第 2 名第 3 名第 4 名第 5 名第 6 名以后