Benchmark Heatmap

Compare models across all benchmark scores at a glance. Colors are normalized per column (red = low, green = high).

Top

Sort by

Model	AgMoBench	AgMo Trust	AgMo Pred.	Reasoning	Coding	Math	Agentic	Robust.	AA Intel.	AA Coding	AA Math	MMLU Pro	GPQA	HLE	LiveCode	SciCode	MATH-500	AIME	AIME 25	IFBench	LCR	TB Hard	τ²-Bench	Exploitbench	Cl Bench	Gdp Pdf	Cl Bench L…	Frontierswe	Gbaeval	Rli	Algotune	Ale Bench	GDPval-AA …	Forecastbe…	Critpt	Vending Be…	HMMT Nov 2…	IFEval	LiveCodeBe…	Vectara Fa…	SimpleQA V…	Adversaria…	BALROG	BIG-Bench …	BoolQ	CAD-Eval	CyBench	DeepResear…	FictionLiv…	GeoBench	SEAL Tool …	Chatbot Ar…	LongBench …	GDPval	Open LLM: …	Epoch Capa…	Hle	RE-Bench	SWE-Bench …	SimpleQA	Frontiercode	GSO	METR Time …	VPCT	WebDev Arena	GAIA	MMLU	LAMBADA	LiveBench …	Cursorbench	Scicode	tau-bench …	MT-Bench	tau-bench …	Aider Poly…	Chess Puzz…	TruthfulQA	Parameter …	OTIS Mock …	NoLiMa (NI…	OpenBookQA	Training C…	Training C…	OSWorld (E…	WebArena	ARC-AGI-2	Open LLM: …	SWE-bench …	BullshitBe…	AA-Omnisci…	Open LLM: …	Open LLM: …	MMMU	Video-MME	BrowseComp	OSWorld 2.…	PRBench Fi…	Propensity…	MCP Atlas	Arena ELO:…	FORTRESS	PRBench Le…	MASK	MultiChall…	IFBench (M…	EnigmaEval	Surface Ev…	MMMU-Pro	AIME 2026	Blueprint …	Spatialviz…	Proofbench	Btf3	Open LLM: …	DeepSWE (E…	Enigma Eval	MMTU Table…	IDP OmniDoc	OmniDocBen…	CyberGym	IDP Core	OCRBench v2	Finance Ag…	CharXiv Re…	CharXiv Re…	HLE (with …	MedQA (USM…	Open LLM: …	Video-MME …	Video-MME …	ARC-AGI-1	LiveBench …	PIQA	MLE-bench …	TriviaQA	WinoGrande	BFCL (Berk…	EQ-Bench 3	HuggingFac…	HuggingFac…	AA-Omnisci…	BRUMO 2025	Vectara Ha…	Aider Poly…	WildBench	GAIA Level 1	Chatbot Ar…	Codeforces…	CritPt	GSM8K	HMMT Feb 2…	HumanEval	MathVision	MRCR v2	SWE-bench …	Tau-Bench …	USAMO 2025	Video-MMU	AA Intelli…	AA Long Co…	SimpleBench	BigCodeBen…	IDP OlmOCR	AIME 2024	AIME 2025 …	AIME 2026	MathVista	BigCodeBen…	Arena-Hard…	GPQA Diamo…	LiveBench …	LiveBench …	OpenRouter…	LiveBench …	Mystery Ga…	LiveBench …	ARC-AGI-1 …	ARC-AGI-2 …	FrontierMath	AlpacaEval…	AlpacaEval…	LegalBench	LiveBench …	OpenRouter…	HLE (Matrix)	IMO 2025	MATH-500 (…	MathArena …	SciCode (M…	Terminal-B…	BigCodeBench	CMIMC 2025	MMLU-Pro (…	MMMU-Pro	SMT 2025	Terminal-B…	GSM8K (Epo…	HellaSwag	Lech Mazur…	ScienceQA	The Agent …	Video-MME …	Apex Agents	Arc Agi 2	GAIA Level 3	GAIA Level 2	Gdpval	Posttrainb…	Open LLM A…	LongBench …	Arena ELO:…	SWE-bench …	BIRD-bench	Cybench	ChemBench	DABStep	Open Finan…	LongBench v2	IDP Overall	SWE-Bench …	OSWorld (U…	AA-Omnisci…	WeirdML	Arena Elo …	τ²-Bench	Browsecomp	Simpleqa	LCR	AIME	Arena Elo …	Terminal-B…	Arena Elo …	Arena Elo …	IFBench	LiveCodeBe…	Arena Elo …	GPQA Diamond	HLE	SciCode
Gemini 3 Pro Preview (high)	87.1	86.8	87.1	90.8	86.1	75.1	96.7	85.4	39.6	—	95.7	89.8	90.8	37.2	91.7	56.1	—	—	95.7	70.4	70.7	41.7	87.1	—	—	—	—	—	—	—	—	—	—	—	—	—	93.3	90.0	79.7	86.4	0.7	—	—	—	—	—	—	—	—	0.0	—	1486.0	—	—	—	153.3	0.4	92.9	—	72.1	—	0.2	54.1	0.9	9824.0	—	91.8	—	73.4	—	—	—	—	88.5	—	0.3	—	—	0.9	—	—	—	—	—	—	54.0	—	69.6	48.0	—	—	—	87.5	—	85.9	—	—	—	—	1438.0	—	—	—	—	—	—	—	81.0	91.7	—	—	—	—	—	—	—	—	88.8	90.2	—	81.8	—	—	—	—	—	96.0	—	—	—	75.0	77.4	—	64.4	—	—	72.5	—	—	—	55.9	98.3	13.6	—	—	—	1501.0	2512.0	9.1	—	97.5	93.0	—	77.0	43.3	99.3	—	87.6	—	—	76.4	—	77.7	97.0	95.0	—	—	—	—	91.9	84.6	—	141000000000.0	81.8	—	74.4	0.5	30.6	19.0	—	—	87.0	74.6	20.0	37.5	—	97.3	23.4	56.1	56.9	—	90.0	89.8	81.0	93.4	—	—	—	—	—	—	—	3.0	0.3	—	—	0.5	0.0	—	—	1485.0	—	—	—	—	—	—	—	82.8	—	55.0	—	—	—	87.1	85.9	72.1	70.7	—	—	—	1289.0	—	70.4	91.7	1433.0	90.8	37.2	56.1
Claude Opus 4.6 (Non-reasoning, High Effort)	80.6	80.8	80.6	75.9	88.4	83.1	70.4	90.9	37.8	—	—	—	84.0	18.6	—	45.7	—	—	—	44.6	58.3	48.5	84.8	—	—	—	—	—	—	—	—	571.3	1606.0	—	—	—	—	94.0	76.0	87.8	0.4	—	—	—	—	—	0.9	—	—	—	—	1497.0	—	—	—	155.4	0.2	100.0	51.9	72.0	—	0.3	69.9	—	1542.7	—	90.8	—	—	—	—	—	7.9	91.9	—	0.2	—	—	0.9	—	—	—	—	—	7.1	68.8	—	75.6	87.0	13.5	—	—	76.5	—	84.0	—	53.3	—	76.8	1538.0	13.0	52.3	96.3	—	—	—	—	73.9	96.7	—	—	—	—	—	—	0.1	—	85.9	—	73.8	81.1	—	60.1	69.1	84.7	53.3	95.4	—	—	—	93.0	—	—	63.1	—	—	—	1383.0	—	—	45.1	—	12.2	—	—	—	1502.0	2650.0	12.6	—	15.9	95.0	—	93.0	55.6	98.2	—	—	53.0	—	67.6	—	74.1	75.5	100.0	—	—	—	59.7	91.3	—	—	430000000000.0	—	—	—	1.9	3.6	38.3	17.0	27.3	85.3	—	18.0	40.0	—	93.0	—	—	62.9	—	—	82.0	77.3	—	39.0	—	—	—	—	—	—	3.4	0.7	—	—	—	0.2	—	—	1472.0	—	70.2	93.0	—	94.4	—	—	80.4	47.1	72.7	—	65.9	—	84.8	84.0	72.0	58.3	—	—	—	1294.0	—	44.6	—	1510.0	84.0	18.6	45.7
Gemini 3.1 Pro Preview	80.4	80.9	80.4	96.7	87.9	91.4	—	85.7	46.5	68.8	—	—	94.1	44.7	—	58.9	—	—	—	77.1	72.7	53.8	95.6	3.2	0.2	0.2	0.2	11.0	1.0	—	2.0	465.1	—	1.0	0.2	911.2	—	89.2	82.0	89.6	0.8	—	0.0	—	—	—	—	—	—	—	—	1486.0	—	—	—	154.9	0.5	—	46.1	72.1	0.1	0.2	89.8	—	1446.5	—	92.6	—	79.9	—	0.6	—	—	90.5	—	0.6	—	—	1.0	—	—	—	—	—	—	77.1	—	80.6	37.0	32.9	—	—	87.5	—	85.9	—	—	—	78.2	1447.0	—	—	—	71.4	—	36.8	—	80.5	98.3	0.3	—	0.3	—	—	81.4	0.2	—	85.3	—	—	89.6	—	59.7	—	—	51.4	96.4	—	—	—	98.0	84.0	—	—	—	—	—	1302.0	—	—	55.3	—	10.4	—	—	—	1490.0	2700.0	17.7	—	—	95.0	69.8	84.9	54.2	—	—	—	57.0	—	79.6	—	69.8	98.0	100.0	97.0	—	—	—	94.3	85.4	79.1	369000000000.0	91.0	0.3	78.5	0.5	1.0	36.9	—	—	87.4	76.5	23.0	44.4	—	98.5	33.5	58.9	68.5	—	—	89.5	80.5	—	—	—	—	—	—	—	—	3.3	0.8	—	—	—	0.2	—	—	1490.0	—	—	—	—	—	—	—	81.6	32.2	72.0	49.9	72.1	—	95.6	85.9	72.1	72.7	—	—	—	1278.0	—	77.1	—	1445.0	94.1	44.7	58.9
GPT-5.2 (xhigh)	79.3	80.8	79.3	81.6	84.4	97.4	71.7	64.5	42.2	—	99.0	87.4	90.3	35.4	88.9	52.1	—	—	99.0	75.4	72.7	47.0	84.8	—	—	—	—	—	—	—	—	—	—	—	—	—	95.8	95.0	80.0	89.2	0.4	—	0.0	—	—	—	—	0.5	1.0	0.0	—	1435.0	—	—	—	153.7	0.3	81.7	—	58.0	—	0.1	38.3	0.8	1641.0	—	88.0	—	48.9	—	—	—	—	88.0	0.1	0.5	—	—	1.0	—	—	—	—	—	—	72.9	—	69.0	38.0	-1.0	—	—	86.7	—	77.9	—	—	34.4	—	1419.0	—	—	—	—	—	—	—	79.5	98.3	—	—	0.1	—	—	—	—	—	88.0	—	—	77.4	—	—	—	—	—	94.1	—	—	—	94.5	42.8	—	—	—	—	55.9	1314.0	—	—	43.8	98.3	10.8	—	—	—	1440.0	2800.0	11.6	—	99.4	95.0	—	70.0	55.6	98.7	—	90.5	70.0	75.7	45.8	—	79.1	100.0	100.0	—	—	—	—	93.2	50.0	—	165000000000.0	58.3	—	47.7	11.4	39.0	40.7	—	—	82.8	76.5	9.0	35.2	—	99.4	13.5	54.6	54.0	—	91.3	86.7	86.5	92.0	—	—	—	8.7	—	—	—	3.5	0.5	—	—	0.4	0.0	—	—	1391.0	—	—	—	—	—	—	—	81.5	23.8	38.2	—	72.2	—	84.8	77.9	58.0	72.7	—	—	—	1229.0	—	75.4	88.9	1400.0	90.3	35.4	52.1
Gemini 3 Flash Preview (Reasoning)	76.8	79.4	76.8	88.0	84.1	88.6	69.4	50.3	37.8	—	97.0	89.0	89.8	34.7	90.8	50.6	—	—	97.0	78.0	66.3	38.6	80.4	—	—	0.1	—	—	—	—	—	388.6	—	1.0	—	3634.7	93.3	88.2	90.8	86.5	0.7	—	0.0	—	—	—	—	—	—	0.0	—	1473.0	—	—	—	150.6	—	—	—	—	—	0.1	—	0.7	3053.0	—	91.8	—	72.4	—	—	—	—	82.0	—	0.4	—	—	0.9	—	—	—	—	—	—	33.6	—	75.8	10.0	—	—	—	87.6	—	—	—	—	—	—	1438.0	—	—	—	—	—	—	—	—	96.7	0.0	—	0.1	—	—	—	—	—	90.1	—	—	80.5	—	—	—	—	—	—	—	—	—	84.7	74.5	—	62.7	—	—	—	—	—	—	—	100.0	13.5	—	—	—	1473.0	2100.0	—	—	—	—	—	—	34.6	—	—	86.9	—	—	61.1	—	75.3	93.0	90.4	—	—	—	—	90.4	84.6	—	981000000000.0	84.2	—	74.8	0.2	0.2	35.6	—	—	—	73.9	1.0	33.7	—	—	15.6	—	51.7	—	90.6	88.6	81.2	92.9	—	—	—	—	—	—	—	3.3	0.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	82.0	—	50.0	—	61.6	—	80.4	75.0	60.0	66.3	—	—	—	1271.0	—	78.0	90.8	1413.0	89.8	34.7	50.6
Claude Opus 4.5 (Reasoning)	76.3	76.6	76.3	86.6	89.6	62.3	73.7	96.6	40.8	—	91.3	89.5	86.6	28.4	87.1	49.5	—	—	91.3	58.0	74.0	47.0	89.5	—	0.2	—	—	—	—	0.0	1.8	560.9	—	1.0	—	4967.1	—	90.0	68.0	89.1	0.4	—	0.0	—	—	—	0.8	—	—	0.0	—	1473.0	—	—	—	149.6	0.1	97.8	45.9	72.0	—	0.3	49.4	0.4	4468.0	—	90.8	—	76.0	—	—	—	—	88.9	—	0.1	—	—	0.8	—	—	—	—	66.3	—	37.6	—	74.4	90.0	—	—	—	80.7	—	67.8	—	—	—	—	1494.0	9.6	—	92.5	—	—	—	—	73.9	—	—	—	0.4	—	—	—	0.1	—	—	—	—	—	—	—	—	—	—	95.9	—	—	—	80.0	—	—	—	—	—	77.5	1308.0	—	—	40.7	—	10.9	—	—	—	1468.0	2070.0	0.3	—	92.9	95.1	—	—	45.9	98.2	—	68.4	—	75.0	62.0	—	—	90.0	92.8	—	—	—	59.7	87.0	—	—	157000000000.0	—	0.2	—	1.5	2.4	20.3	—	—	84.6	—	14.0	37.6	—	85.0	—	—	57.8	—	—	80.0	—	—	39.0	—	—	—	—	—	—	3.2	0.1	—	—	0.6	0.2	—	—	—	—	—	82.0	—	—	—	—	—	—	66.3	—	63.7	—	89.5	67.8	72.0	74.0	—	—	—	—	—	58.0	87.1	1462.0	86.6	28.4	49.5
Claude Sonnet 4.6 (Non-reasoning, High Effort)	73.0	72.3	73.0	68.1	87.2	83.7	—	89.1	35.9	—	—	—	79.9	13.2	—	46.9	—	—	—	41.2	57.7	46.2	79.5	—	—	—	—	—	—	—	—	—	1633.0	—	—	—	—	92.0	74.0	89.4	—	—	—	—	—	—	—	—	—	—	—	1472.0	—	—	—	153.2	—	—	—	—	—	—	—	—	1510.6	—	90.0	—	—	—	—	—	—	89.0	—	—	—	—	—	—	—	—	—	72.1	—	60.4	—	79.6	91.0	12.4	—	—	74.2	—	—	—	—	—	69.4	1523.0	—	—	—	—	—	—	—	74.5	—	—	—	—	—	—	—	—	—	86.9	—	—	81.2	—	—	—	—	—	92.1	—	—	—	86.5	—	—	—	—	—	—	1384.0	—	—	40.0	—	10.6	—	—	—	—	2010.0	—	—	—	93.0	—	82.0	48.2	97.0	—	—	51.0	—	—	—	73.9	—	97.0	—	—	—	—	74.1	—	—	936000000000.0	—	—	—	1.2	2.7	35.0	—	—	82.1	—	16.0	38.0	—	96.5	—	—	59.1	—	—	80.0	74.5	—	—	—	—	—	—	—	—	—	—	—	—	—	0.2	—	—	1442.0	—	—	—	—	—	—	—	80.7	—	72.5	—	66.1	—	79.5	78.0	68.0	57.7	—	—	—	1275.0	—	41.2	—	1483.0	79.9	13.2	46.9
Claude Opus 4.6 (Adaptive Reasoning, Max Effort)	72.8	74.3	72.8	88.2	83.2	87.7	89.0	51.9	43.7	—	—	—	89.6	36.7	—	51.9	—	—	—	53.1	70.7	46.2	92.1	—	—	—	—	—	—	—	—	—	1606.0	—	—	—	—	89.7	47.4	87.8	0.4	—	—	—	0.6	—	0.9	—	—	—	—	1502.0	—	—	—	143.7	0.3	100.0	—	—	—	0.3	69.9	—	1542.7	—	90.8	—	—	—	—	—	7.9	91.9	—	0.2	—	—	0.9	—	—	—	—	—	—	68.8	—	75.6	34.0	13.5	—	—	76.5	—	—	—	—	—	75.8	1548.0	13.0	—	—	—	—	—	—	—	—	—	—	0.5	—	—	—	0.1	—	—	—	—	—	—	—	—	—	—	—	—	—	—	93.0	—	—	63.1	—	—	—	—	—	—	45.1	—	12.2	—	—	—	1502.0	1886.0	0.3	—	15.9	95.0	—	93.0	35.8	98.2	—	—	53.0	—	67.6	—	—	75.5	100.0	—	—	—	59.7	91.3	—	—	1020000000000.0	—	0.3	—	1.9	3.6	40.7	17.0	27.3	85.3	—	11.0	7.1	—	94.4	—	—	43.2	—	—	86.6	77.3	—	39.0	5.0	0.0	—	—	—	—	3.4	0.7	—	—	—	0.0	—	—	—	—	—	—	—	—	—	—	—	—	38.2	—	78.0	—	92.1	84.0	22.8	70.7	—	—	—	—	—	53.1	—	—	89.6	36.7	51.9
GPT-5 (high)	71.8	75.5	71.8	77.1	88.1	88.2	32.2	58.6	34.7	37.8	94.3	—	85.4	26.5	84.6	42.9	99.4	95.7	94.3	73.1	75.6	32.6	84.8	—	—	—	—	—	—	—	1.7	515.9	—	—	0.1	—	89.2	90.0	84.5	84.9	0.5	—	—	—	—	—	—	0.5	—	—	—	1434.0	—	—	—	6.600000000000001e+25	0.3	95.7	—	—	—	—	38.3	0.7	—	—	91.0	—	60.0	—	—	—	—	—	0.1	0.4	—	—	0.9	—	—	—	—	—	—	9.9	—	65.0	21.0	—	—	—	74.4	—	—	—	51.3	—	—	—	—	49.0	—	63.2	—	—	—	62.7	—	—	—	0.2	—	—	—	—	69.6	—	—	—	—	80.7	—	—	—	—	96.3	—	—	—	65.7	63.1	—	39.6	—	—	—	1586.0	—	—	40.6	91.7	15.1	88.0	—	—	1460.0	2537.0	5.7	—	88.3	94.0	—	—	41.8	97.0	—	—	68.0	75.6	56.7	—	—	94.6	94.6	—	—	—	—	88.4	70.0	—	—	72.4	—	48.0	0.5	0.7	32.4	—	—	86.0	78.6	—	35.2	38.1	99.4	1.0	—	35.2	—	90.0	87.0	—	92.0	41.3	—	—	—	—	—	—	3.0	0.1	—	—	—	—	—	—	1375.0	—	—	—	—	57.7	—	—	—	—	40.0	—	60.7	—	84.8	54.9	55.0	75.6	95.7	—	—	1213.0	—	73.1	84.6	—	85.4	26.5	42.9
Claude Opus 4.5 (Non-reasoning)	71.4	70.9	71.4	77.5	83.6	51.7	73.7	96.6	34.7	—	62.7	88.9	81.0	12.9	73.8	47.0	—	—	62.7	43.0	65.3	40.9	86.3	—	0.2	—	—	—	—	0.0	1.8	560.9	—	1.0	—	4967.1	—	90.0	68.0	89.1	0.4	—	0.0	—	—	—	0.8	—	—	0.0	—	1473.0	—	—	—	149.6	0.1	97.8	45.9	72.0	—	0.3	49.4	0.4	4468.0	—	90.8	—	76.0	—	—	—	—	88.9	—	0.1	—	—	0.8	—	—	—	—	66.3	—	37.6	—	74.4	90.0	—	—	—	80.7	—	67.8	—	—	—	—	1494.0	13.6	—	—	—	—	—	—	73.9	—	—	—	0.4	—	—	—	0.1	—	—	—	—	—	—	—	—	—	—	93.2	—	—	—	80.0	—	—	—	—	—	77.5	1308.0	—	—	45.7	—	10.9	—	—	—	1468.0	2070.0	0.3	—	92.9	95.1	—	—	45.9	98.2	—	68.4	—	75.0	62.0	—	—	90.0	92.8	—	—	—	59.7	87.0	—	—	161000000000.0	—	—	—	1.5	2.4	21.0	—	—	82.8	—	29.0	37.6	—	85.0	—	—	57.8	—	—	80.0	—	—	39.0	—	—	—	—	—	—	3.1	0.1	—	—	0.6	0.2	—	—	1468.0	—	—	82.0	—	98.9	—	—	—	23.4	66.3	—	63.7	—	86.3	67.8	72.0	65.3	—	—	—	—	—	43.0	73.8	1461.0	81.0	12.9	47.0
Gemini 3 Pro Preview (low)	70.9	70.3	70.9	81.9	88.9	82.2	96.0	—	33.1	—	86.7	89.5	88.7	27.6	85.7	49.9	—	—	86.7	49.7	67.3	34.1	68.1	—	0.2	—	—	—	—	0.0	1.8	471.1	—	1.0	0.1	5478.2	—	—	—	86.4	0.7	—	0.1	—	—	—	—	—	—	0.0	—	—	—	—	—	—	0.4	—	—	—	—	0.2	54.1	0.9	9824.0	—	—	—	73.4	—	—	—	—	—	—	0.3	—	—	0.9	—	—	—	—	—	—	31.1	—	69.6	48.0	—	—	—	—	—	—	—	—	—	70.8	—	—	—	—	65.7	—	18.2	—	—	—	—	—	0.2	—	—	—	0.2	—	—	—	—	—	—	—	—	—	—	—	—	—	—	75.0	77.4	—	64.4	—	—	72.5	1307.0	—	—	47.1	—	13.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	76.4	—	—	—	—	—	—	—	—	—	84.6	—	139000000000.0	81.8	—	74.4	0.5	0.8	37.6	—	—	—	74.6	17.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	3.4	0.3	—	—	0.5	0.1	—	—	—	—	—	—	—	—	—	—	—	17.9	—	—	69.9	—	68.1	—	—	67.3	—	—	—	—	—	49.7	85.7	—	88.7	27.6	49.9
Gemini 3 Flash Preview (Non-reasoning)	70.1	71.4	70.1	75.6	78.5	59.3	69.4	58.0	27.4	—	55.7	88.2	81.2	14.1	79.7	49.9	—	—	55.7	55.1	48.0	31.8	43.3	—	—	—	—	—	—	—	—	—	—	—	—	—	93.3	88.2	90.8	86.5	0.7	—	0.0	—	—	—	—	—	—	0.0	—	1473.0	—	—	—	150.6	—	—	—	60.0	—	0.1	—	0.7	3053.0	—	91.8	—	72.4	—	—	—	—	82.0	—	0.4	—	—	0.9	—	—	—	—	—	—	33.6	—	75.8	10.0	11.6	—	—	87.6	—	75.0	—	—	—	—	1438.0	—	—	—	—	—	—	—	—	96.7	—	—	—	—	—	—	—	—	90.1	90.4	—	80.5	—	—	—	—	—	95.8	—	—	—	84.7	74.5	—	62.7	—	—	—	—	—	—	45.5	100.0	13.5	—	—	—	1473.0	2100.0	—	—	—	—	—	—	34.6	—	—	86.9	—	—	61.1	—	75.3	93.0	90.4	—	—	—	—	90.4	84.6	—	985000000000.0	84.2	—	74.8	0.2	0.2	30.0	—	—	86.9	73.9	2.0	33.7	—	—	15.6	—	51.7	—	90.6	88.6	81.2	92.9	—	—	—	—	—	—	—	3.3	0.0	—	—	—	—	—	—	1459.0	—	—	—	—	—	—	—	82.0	—	50.0	—	—	—	43.3	75.0	60.0	48.0	—	—	—	1269.0	—	55.1	79.7	1413.0	81.2	14.1	49.9
GPT-5.2 (medium)	69.8	71.2	69.8	73.8	85.8	92.4	71.7	59.6	38.0	—	96.7	85.9	86.4	24.9	89.4	46.2	—	—	96.7	65.2	63.3	43.2	74.3	—	—	—	—	—	—	0.0	2.0	447.1	—	—	—	—	95.8	95.0	80.0	89.2	0.3	—	0.0	—	—	—	—	0.5	1.0	0.0	—	1482.0	—	—	—	153.8	0.3	81.7	—	58.0	—	0.1	38.3	0.6	1641.0	—	88.0	—	48.9	—	—	—	—	88.0	0.1	0.4	—	—	0.9	—	—	—	—	—	—	26.7	—	65.0	27.0	-1.0	—	—	86.7	—	77.9	—	—	—	—	1472.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	72.7	42.8	—	—	—	—	55.9	—	—	—	43.8	98.3	10.8	—	—	—	1440.0	2800.0	11.6	—	99.4	95.0	—	70.0	55.6	98.7	—	90.5	70.0	75.7	45.8	—	—	100.0	100.0	—	—	—	—	93.2	50.0	—	193000000000.0	58.3	—	47.7	0.3	0.8	36.9	—	—	—	76.5	16.0	35.2	—	99.4	13.5	54.6	54.0	—	91.3	86.7	86.5	92.0	—	—	—	8.7	—	—	—	3.5	0.3	—	—	0.4	0.2	—	—	—	—	—	—	—	—	—	—	—	—	38.2	—	60.7	—	74.3	77.9	58.0	63.3	—	—	—	—	—	65.2	89.4	—	86.4	24.9	46.2
Claude Opus 5 (Adaptive Reasoning, Max Effort)	68.5	68.9	68.5	97.7	98.9	—	—	93.6	60.7	78.0	—	—	93.2	52.6	—	55.7	—	—	—	—	70.0	—	—	—	—	—	—	—	—	—	—	—	—	—	0.3	—	—	—	—	—	0.6	—	—	—	0.6	—	—	—	—	—	—	1495.0	—	—	—	159.4	—	—	—	—	0.5	—	—	—	1691.8	—	—	—	—	0.7	0.5	—	—	—	—	0.4	—	—	1.0	—	—	—	—	—	—	90.4	—	—	73.0	31.3	—	—	—	—	—	—	—	—	—	1704.0	—	—	—	—	—	—	—	—	—	—	—	0.8	—	—	99.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	97.5	91.2	—	—	—	—	—	—	—	—	54.2	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	88.7	63.8	783000000000.0	95.7	0.6	74.6	0.7	2.1	—	—	—	87.0	81.4	—	—	—	—	—	—	—	—	—	—	—	—	—	5.0	0.0	—	—	—	—	3.6	0.9	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	50.1	91.8	—	—	—	—	70.0	—	—	—	—	—	—	—	—	93.2	52.6	55.7
Gemini 2.5 Pro	67.7	68.3	67.7	68.6	69.1	67.2	71.7	54.6	25.8	33.3	87.7	—	84.4	21.1	80.1	42.8	96.7	88.7	87.7	48.7	66.0	26.5	54.1	—	—	—	—	—	—	0.0	1.5	646.6	—	1.0	0.0	573.6	66.7	90.8	70.4	93.0	0.6	—	0.0	—	—	1.4	—	0.3	0.6	0.0	68.8	1446.0	63.3	—	—	146.1	0.2	—	—	52.9	—	0.0	—	0.4	3505.0	55.1	89.8	—	58.3	—	0.4	—	—	—	0.0	0.2	—	—	0.8	—	—	—	—	—	—	4.9	—	53.6	20.0	—	—	—	84.0	—	—	—	—	—	—	1224.0	—	—	—	—	52.3	—	—	—	—	—	—	—	—	—	—	0.0	66.5	—	88.0	—	—	86.2	—	—	—	—	93.1	—	—	—	37.0	70.8	—	59.6	—	—	—	1259.0	—	—	39.0	90.0	7.0	83.1	—	71.7	1437.0	2001.0	2.0	—	82.5	—	—	83.1	—	—	24.0	84.8	70.0	—	51.6	—	—	92.0	86.7	—	—	—	90.8	84.0	75.5	—	—	68.3	—	51.6	0.5	0.8	10.3	—	—	84.3	75.7	—	18.8	31.6	97.3	0.5	—	32.6	—	58.1	85.6	—	84.9	25.3	—	—	8.1	—	4.2	—	1.9	0.0	38.5	50.0	0.3	—	—	—	1447.0	51.7	—	—	—	12.7	—	—	—	—	—	—	54.0	—	54.1	—	52.9	66.0	88.7	—	—	1246.0	1142.0	48.7	80.1	1421.0	84.4	21.1	42.8
GPT-5.4 (xhigh)	67.2	68.3	67.2	93.6	79.4	—	—	68.6	51.4	71.1	—	—	92.0	41.6	—	56.6	—	—	—	73.9	74.0	57.6	87.1	—	0.3	—	0.2	—	—	—	—	—	—	—	0.2	—	—	—	—	93.0	0.5	—	—	—	—	—	—	—	—	—	—	1466.0	—	83.0	—	156.1	0.4	—	59.1	—	—	0.3	53.9	—	—	—	—	—	80.3	—	0.6	—	—	—	—	0.4	—	—	0.9	—	—	—	—	—	—	74.0	—	—	48.0	5.7	—	—	—	—	—	—	—	—	70.6	1390.0	—	—	—	—	—	16.0	—	81.2	99.2	—	—	0.6	—	—	70.5	0.2	—	85.3	—	66.3	84.4	—	—	—	—	—	96.1	—	—	—	93.7	88.1	—	—	—	—	—	1328.0	—	—	50.0	—	7.0	—	—	—	—	—	—	—	—	—	—	—	57.7	—	—	—	—	—	—	—	81.0	—	—	—	—	—	—	—	82.6	70.2	327000000000.0	94.1	0.4	79.3	0.6	1.5	47.6	—	—	86.0	77.5	37.0	—	—	—	—	—	75.1	—	—	—	—	—	—	—	—	—	—	—	—	3.4	0.7	—	—	—	0.0	—	—	1431.0	—	—	—	—	—	—	—	83.5	43.4	75.0	—	57.4	—	87.1	—	—	74.0	—	—	—	1278.0	—	73.9	—	1470.0	92.0	41.6	56.6
Kimi K3 (max)	66.6	67.1	66.6	93.4	99.4	—	—	88.9	57.1	76.2	—	—	93.5	44.3	—	58.7	—	—	—	—	74.7	—	—	—	—	—	—	—	92.0	—	—	328.4	—	—	0.2	—	—	—	—	—	0.4	—	—	—	—	—	—	—	—	—	—	1486.0	—	—	—	2.0001e+25	—	—	—	—	0.4	—	—	—	1669.2	—	—	—	—	—	0.6	—	—	—	—	0.4	—	—	1.0	—	—	—	—	—	—	55.0	—	—	73.0	18.4	—	—	—	—	—	—	—	—	82.3	1675.0	—	—	—	—	—	—	0.9	—	96.7	0.3	—	0.7	—	—	97.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	86.7	90.7	—	—	—	—	—	—	—	—	46.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	85.5	71.4	1340000000000.0	84.4	0.3	78.7	0.5	0.9	—	—	—	86.0	81.4	22.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	3.3	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	50.9	82.6	—	—	—	—	74.7	—	—	—	—	—	—	—	—	93.5	44.3	58.7
Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback)	66.5	67.0	66.5	92.9	98.9	—	—	89.7	59.9	76.5	—	—	92.6	53.3	—	60.2	—	—	—	63.5	70.0	62.9	98.5	—	—	—	—	—	—	0.2	—	—	—	—	—	4529.9	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	1508.0	—	—	—	160.7	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	54.0	40.1	—	—	—	—	—	—	53.9	—	83.3	1630.0	—	52.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	89.7	—	—	—	—	—	—	—	—	61.4	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	90.7	75.8	—	96.0	—	80.5	—	—	—	—	—	88.6	86.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	3.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	54.9	87.8	—	98.5	—	—	70.0	—	—	—	1318.0	1237.0	63.5	—	1504.0	92.6	53.3	60.2
Claude 4.5 Sonnet (Reasoning)	66.5	66.6	66.5	75.3	72.5	66.5	65.1	81.5	36.4	52.1	88.0	—	83.4	17.3	71.4	44.7	—	—	88.0	57.3	65.7	35.6	78.1	—	—	—	—	—	—	0.0	1.5	663.5	—	0.9	0.0	3838.7	—	88.5	68.0	88.0	0.1	—	—	—	—	—	0.6	0.5	—	—	—	1456.0	—	—	—	146.8	0.1	—	—	—	—	0.1	—	0.4	—	—	86.5	—	68.2	—	—	—	7.9	86.2	—	0.1	—	—	0.4	—	—	—	—	42.9	7.1	13.6	—	70.6	79.0	—	—	—	77.8	—	—	—	—	—	—	1392.0	12.8	—	96.1	—	—	—	—	68.9	—	—	—	0.2	—	—	—	0.1	—	—	—	—	—	—	—	—	—	—	94.7	—	—	—	63.7	77.6	—	—	—	—	73.2	1293.0	—	—	—	90.8	12.0	—	—	—	—	1480.0	—	—	79.2	85.0	—	10.8	43.6	98.0	—	—	—	—	54.3	—	—	88.0	87.0	—	—	—	—	83.4	76.5	—	—	79.3	0.2	57.0	0.5	0.8	13.5	17.0	27.3	84.1	80.4	—	19.8	—	95.8	1.6	—	42.8	—	66.9	87.5	63.4	84.0	51.0	—	—	—	—	—	—	—	0.0	—	—	0.5	0.1	—	—	—	—	66.8	60.0	—	—	—	—	—	—	61.4	—	47.7	—	78.1	—	47.0	65.7	—	—	—	—	—	57.3	71.4	1446.0	83.4	17.3	44.7
Claude Opus 4.8 (Adaptive Reasoning, Max Effort)	66.0	65.6	66.0	88.6	94.2	—	—	98.3	55.7	74.3	—	—	92.0	45.7	—	53.5	—	—	—	62.2	67.7	58.3	94.4	—	—	0.2	—	—	—	—	—	—	—	—	0.2	2992.3	—	—	—	—	0.4	—	—	—	—	—	—	—	—	—	—	1474.0	—	—	—	158.0	—	—	—	—	—	—	—	—	—	—	—	—	—	0.6	0.5	—	—	—	—	0.3	—	—	1.0	—	—	—	—	—	—	72.1	—	—	95.0	27.4	—	—	—	—	—	500.0	—	—	82.2	1538.0	—	—	—	—	—	—	—	—	100.0	—	—	0.7	—	—	120.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	92.5	89.2	—	—	—	—	—	—	—	—	46.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	64.8	—	—	—	—	—	—	—	—	—	79.7	72.0	676000000000.0	94.3	0.4	66.0	2.3	2.7	47.2	—	—	83.6	81.8	62.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	3.5	—	—	—	—	0.3	—	—	—	—	—	—	—	—	—	—	—	—	—	35.9	82.9	—	94.4	—	—	67.7	—	—	—	1279.0	1205.0	62.2	—	1469.0	92.0	45.7	53.5
GPT-5.6 Sol (max)	65.6	66.9	65.6	97.2	99.3	—	—	79.4	58.9	77.4	—	—	94.1	47.2	—	56.1	—	—	—	72.7	73.7	65.9	85.1	—	—	—	—	—	—	—	—	98.3	—	—	0.3	—	—	—	—	—	0.7	—	—	—	—	—	—	—	—	—	—	—	—	—	—	161.7	—	—	—	—	—	—	—	—	—	—	—	—	—	0.7	0.6	—	—	—	—	0.6	—	—	1.0	—	—	—	—	—	—	92.5	—	—	47.0	21.7	—	—	—	—	—	—	—	—	—	—	—	50.5	—	—	—	—	—	—	—	—	—	0.8	—	—	61.3	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	96.5	91.7	—	—	—	—	—	—	—	—	58.5	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	87.7	71.8	581000000000.0	96.2	0.6	79.8	0.5	1.4	—	—	—	87.0	83.9	28.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	3.3	0.9	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	88.8	—	85.1	—	—	73.7	—	—	—	—	—	72.7	—	—	94.1	47.2	56.1
GPT-5.3 Codex (xhigh)	65.3	67.4	65.3	93.8	84.0	83.1	—	56.0	44.3	—	—	—	91.5	39.9	—	53.2	—	—	—	75.4	74.0	53.0	86.0	—	—	—	—	—	—	—	—	260.9	—	—	—	5940.1	—	92.0	85.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	155.6	—	79.4	—	—	—	—	54.7	—	1394.6	—	94.0	—	72.8	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	56.8	24.0	9.9	—	—	84.0	—	—	—	—	—	—	1409.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	80.2	—	—	—	—	—	—	—	—	51.8	—	—	—	—	—	—	—	—	99.0	—	93.0	—	—	56.8	—	—	—	—	—	—	—	—	—	94.0	—	—	—	—	81.0	80.1	—	—	87.8	—	62.7	—	—	—	—	—	—	78.2	—	—	—	96.0	—	—	64.7	—	—	—	—	—	—	—	—	—	—	—	—	3.3	—	—	—	—	0.1	—	—	—	—	—	—	—	—	—	—	—	—	64.7	—	77.9	—	86.0	—	—	74.0	—	—	—	—	—	75.4	—	—	91.5	39.9	53.2
Claude Sonnet 4.6 (Non-reasoning, Low Effort)	65.2	64.2	65.2	64.9	84.6	83.7	—	89.1	34.3	—	—	—	79.7	10.8	—	44.1	—	—	—	42.4	58.7	42.4	78.9	—	—	—	—	—	—	—	—	—	1633.0	—	—	—	—	92.0	74.0	89.4	0.3	—	—	—	—	—	—	—	—	—	—	—	—	—	—	153.0	—	—	—	68.0	—	—	—	—	1510.6	—	90.0	—	—	—	—	—	—	89.0	—	0.1	—	—	0.9	—	—	—	—	—	—	60.4	—	79.6	91.0	12.4	—	—	74.2	—	78.0	—	—	—	—	1521.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	86.5	—	—	—	—	—	—	—	—	—	40.0	—	10.6	—	—	—	—	2010.0	—	—	—	93.0	—	82.0	48.2	97.0	—	—	51.0	—	—	—	—	—	97.0	—	—	—	—	74.1	—	—	972000000000.0	—	—	—	1.2	2.7	35.0	—	—	—	—	22.0	38.0	—	96.5	—	—	59.1	—	—	80.0	74.5	—	—	—	—	—	—	—	—	—	0.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	72.5	—	—	—	78.9	78.0	68.0	58.7	—	—	—	—	—	42.4	—	—	79.7	10.8	44.1
Claude Opus 4.7 (Non-reasoning, High Effort)	64.0	64.7	64.0	78.3	82.3	84.2	—	69.4	42.7	—	—	—	94.2	46.9	—	50.1	—	—	—	43.6	67.0	54.5	74.0	3.6	—	0.2	—	4.7	68.0	—	1.3	397.4	—	0.9	0.1	10936.8	—	89.7	47.4	88.0	0.5	—	—	—	—	—	0.4	0.5	0.6	0.0	—	1502.0	—	—	—	156.1	0.4	—	—	—	0.4	0.4	20.4	0.3	1552.8	—	88.8	—	—	0.5	0.6	—	—	81.4	0.3	0.3	—	—	1.0	—	—	—	—	—	—	1.3	—	87.6	83.0	26.2	—	—	76.5	—	79.3	500.0	—	—	79.1	1560.0	—	—	—	—	—	—	—	—	95.8	0.3	—	0.5	—	—	—	0.1	—	—	—	73.1	—	—	64.4	82.1	91.0	54.7	—	—	—	—	22.5	—	—	—	—	—	—	1461.0	—	—	43.5	—	12.0	72.0	—	—	—	1886.0	0.3	—	15.9	—	—	—	35.8	—	—	—	—	—	62.9	—	—	75.5	90.0	—	—	—	59.7	83.3	—	—	589000000000.0	—	—	—	0.4	0.6	43.8	—	—	85.3	—	70.0	7.1	—	94.4	—	—	43.2	—	—	86.6	—	—	39.0	—	—	8.3	—	—	—	3.5	0.6	—	—	—	0.3	—	—	1494.0	—	—	96.0	—	—	—	—	—	—	38.2	—	75.5	—	74.0	—	22.8	67.0	—	—	69.4	1304.0	1233.0	43.6	—	1498.0	94.2	46.9	50.1
Grok 4.5 (high)	63.8	64.1	63.8	88.1	94.7	—	—	87.4	53.8	72.4	—	—	93.1	40.3	—	54.1	—	—	—	—	67.7	—	—	—	—	—	—	—	—	—	—	406.4	—	—	0.1	—	—	—	—	—	0.5	—	—	—	—	—	—	—	—	—	—	1468.0	—	—	—	153.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	0.5	—	—	—	—	0.4	—	—	1.0	—	—	—	—	—	—	52.6	—	—	54.0	26.4	—	—	—	—	—	—	—	—	—	1550.0	—	—	—	—	—	—	0.5	—	—	—	—	0.3	—	—	61.3	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	85.7	87.2	—	—	—	—	—	—	—	—	52.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	70.0	—	—	—	—	—	—	—	—	—	82.8	71.5	516000000000.0	90.8	—	73.0	0.3	0.8	—	—	—	86.0	68.6	29.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	0.5	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	53.5	46.4	—	—	—	—	67.7	—	—	—	1282.0	—	—	—	1454.0	93.1	40.3	54.1
Qwen3.5 397B A17B (Reasoning)	63.4	64.9	63.4	87.7	76.6	90.8	—	56.5	33.7	48.2	—	—	89.3	27.3	—	42.0	—	—	—	78.8	65.7	40.9	95.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	92.6	83.6	—	—	—	—	—	—	—	—	—	—	—	—	1443.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	88.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	76.4	78.0	-29.8	—	—	85.0	—	—	—	—	—	—	1400.0	—	—	—	—	76.5	—	—	—	94.2	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	1263.0	—	—	—	—	—	—	—	—	—	2200.0	—	—	—	92.0	90.3	—	—	—	—	—	—	—	—	—	—	94.0	95.0	91.3	—	—	—	88.4	—	—	—	—	—	—	—	—	—	—	—	—	—	—	32.0	—	98.0	—	—	—	—	—	87.8	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	1412.0	—	—	—	—	—	—	—	—	—	—	—	—	—	95.6	—	35.0	65.7	—	—	—	1249.0	—	78.8	—	—	89.3	27.3	42.0
Qwen3.7 Max	63.3	63.7	63.3	94.0	88.6	—	—	85.0	46.0	66.0	—	—	92.3	38.1	—	48.8	—	—	—	80.5	69.0	50.8	94.7	—	—	—	—	—	92.0	—	—	462.9	—	—	0.1	—	—	—	—	—	0.6	—	—	—	—	—	—	—	—	—	—	1475.0	—	—	—	153.1	—	—	—	—	—	—	—	—	1524.7	—	—	—	—	—	0.5	—	—	—	—	0.2	—	—	0.9	—	—	—	—	—	—	—	—	—	71.0	14.1	—	—	—	—	—	—	—	—	—	1518.0	—	—	—	—	—	—	—	—	—	—	—	0.3	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	83.3	—	—	—	—	—	—	—	—	30.1	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	70.4	—	—	—	—	—	—	—	—	—	79.7	74.0	—	85.2	0.3	71.8	—	—	—	—	—	84.9	74.2	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	22.9	—	—	94.7	—	—	69.0	—	—	—	—	—	80.5	—	—	92.3	38.1	48.8
GPT-5.5 (xhigh)	63.3	64.3	63.3	96.2	91.4	—	—	78.8	54.8	74.9	—	—	93.5	44.3	—	56.1	—	—	—	75.9	74.3	60.6	93.9	—	—	0.3	—	—	—	—	—	174.5	—	—	0.3	—	—	—	—	90.7	—	—	—	—	—	—	—	—	—	—	—	1476.0	—	—	—	158.5	—	—	—	—	—	0.4	—	—	1494.7	—	—	—	—	0.6	0.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	85.0	—	—	47.0	20.1	—	—	—	—	—	500.0	—	—	75.3	1508.0	—	—	—	—	—	—	—	—	100.0	—	—	0.5	—	—	82.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	95.0	89.7	—	—	—	—	—	1328.0	—	—	56.9	—	9.3	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	69.0	—	—	—	—	—	—	—	—	—	87.4	70.7	1050000000000.0	95.9	0.6	81.6	0.7	1.9	—	—	—	86.5	82.1	10.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	3.6	0.8	—	—	—	0.3	—	—	1430.0	—	—	—	—	—	—	—	—	—	—	—	83.9	—	93.9	—	—	74.3	—	—	—	1287.0	—	75.9	—	1480.0	93.5	44.3	56.1
Qwen3.5 397B A17B (Non-reasoning)	62.9	64.3	62.9	77.7	84.3	90.8	—	56.5	32.0	—	—	—	86.1	18.8	—	41.1	—	—	—	51.6	58.0	35.6	83.9	—	—	—	—	—	—	—	—	—	—	—	—	—	—	92.6	83.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	35.0	—	—	—	—	—	—	88.6	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	76.4	78.0	-29.8	—	—	85.0	—	—	—	—	—	—	—	—	—	—	—	76.5	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	2200.0	—	—	—	92.0	90.3	—	—	—	—	—	—	—	—	—	—	94.0	95.0	91.3	—	—	—	88.4	—	—	—	—	—	—	—	—	—	—	—	—	—	—	32.0	—	98.0	—	—	—	—	—	87.8	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	83.9	—	35.0	58.0	—	—	—	—	—	51.6	—	—	86.1	18.8	41.1
GPT-5.1 (high)	62.6	63.8	62.6	84.5	75.8	86.4	—	60.5	36.9	49.4	94.0	—	87.3	26.5	86.8	43.3	—	—	94.0	72.9	75.0	45.5	81.9	—	0.2	—	0.2	—	—	—	—	495.4	—	—	—	—	91.7	—	82.0	87.9	0.5	—	—	—	—	—	—	—	—	—	—	1455.0	—	—	—	149.7	—	—	—	—	—	—	—	0.6	—	—	90.0	—	72.0	—	—	—	—	—	—	0.3	—	—	0.9	—	—	—	—	—	—	17.6	—	66.0	25.0	—	—	—	85.4	—	—	—	48.0	—	—	1341.0	—	49.3	—	63.4	—	—	—	76.0	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	96.4	—	—	—	72.8	78.8	—	—	—	—	—	1314.0	—	—	—	93.3	12.1	—	—	—	1464.0	—	—	—	—	—	—	—	45.0	—	—	—	—	75.0	53.2	—	—	—	94.0	—	—	—	—	88.1	79.3	—	—	86.9	—	69.6	0.7	1.2	31.0	—	—	85.7	72.5	—	32.0	—	99.0	1.0	—	47.6	—	91.9	87.5	85.4	91.0	—	—	—	—	—	—	—	2.7	0.2	—	—	—	—	—	—	1430.0	—	—	—	—	—	—	—	—	—	—	—	60.8	—	81.9	60.0	55.0	75.0	—	—	—	1250.0	—	72.9	86.8	1401.0	87.3	26.5	43.3

Low

High(normalized per column)Predicted