跳到正文

Beam 1.0

数据来源:AIHOT

← 模型榜
Reflection

上线日期: 2026-10-16 · 上下文: —

开源权重 ↗
52.6

综合排名 65

官方 API 价格 ¥ / 百万 Token

输入
—
输出
—
缓存命中
—

AIHOT 还没有核实到官方价格

领域能力

榜单名次评分评测数
综合6552.630
编程6850.59
科研63538
专业办公6255.510
知识问答5853.73

编程 · 50.5

评测机构公布的成绩折算分原榜名次核实日期备注
Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI66.4%58.5612026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor41.6%58.3372026-11-18
备注

代表配置:Max 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis3.0%48.91542026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

SciCode ↗

把物理、化学、生物等科研问题写成能运行、算得对的计算代码。

Artificial Analysis48.5%48.61412026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Code Migration v1.1 ↗

把现有程序改写成另一种编程语言,用隐藏测试检查行为是否一致。

Vals AI22.8%46.9262026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Vals AI4.0%44.9592026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。

Terminal-Bench6.4%44602026-11-18
备注

代表配置:完整系统 · mini-swe-agent。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Artificial Analysis5.5%441202026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

FrontierCode 2.0 ↗

在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。

Cognition3.4%39.61262026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:Max 推理 · Devin CLI。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

科研 · 53

评测机构公布的成绩折算分原榜名次核实日期备注
MysteryMechanism ↗

自己设计实验,去推断一套隐藏的规律。

Vals AI22.1%61.2252026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis13.1%58.91182026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

CritPt v2 Hard ↗

修订版研究级物理题里较难的 40 道,可以写代码辅助演算。

Artificial Analysis26.5%57.4992026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Artificial Analysis0.5%56.51222026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Vals AI1.4%56.4402026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis34.7%52.71422026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

BioMysteryBench ↗

分析真实的生物数据,推断出背后的生物学答案。

Vals AI42.6%48.6332026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

ARC-AGI-2 ↗

从几个网格图案的例子中找出变换规则,再解一道新题。

ARC Prize23.5%45.91652026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 55.5

评测机构公布的成绩折算分原榜名次核实日期备注
Excel Modeling v1.1 ↗

在 Excel 里搭财务模型:在模板上补全,或者从零建表。

Vals AI64.7%62.7392026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis48.5%61.81252026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor48.8%59.8472026-11-18
备注

代表配置:Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

τ³-Banking ↗

扮演银行客服跟模拟客户对话:查政策、找产品、改账户。

Mercor33.0%59.3382026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Finance Agent v2.1 ↗

金融分析师的日常工作:查公司财报、做计算和分析。

Vals AI51.8%58.1412026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI28.8%56.8652026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis1,177.150.41462026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Harvey 法律 Agent 基准 v1.1 ↗

处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。

Vals AI4.6%50.1362026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis976.247.91742026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI8.8%40.8762026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

知识问答 · 53.7

评测机构公布的成绩折算分原榜名次核实日期备注
MLCR-AA ↗

读很长的医疗记录回答问题,答案要完整且不能违背原始记录。

Artificial Analysis17.8%60.6842026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AA-Omniscience v1.1 ↗

各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。

Artificial Analysis2.352.4882026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis78.0%51.51392026-11-18
备注

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

还没有成绩的评测

  • LiveBench · 编程综合
  • ProgramBench
  • MirrorCode
  • CyberBench Patch v1.1
  • WeirdML v3
  • FrontierSWE v2
  • TapTap Maker
  • FrontierMath v2 · Tiers 1–3
  • LiveBench · 推理与数学
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • 司南 · 抽象
  • Chess Puzzles
  • Mystery Game Puzzles
  • Harvey LAB 1.1 · AA
  • LiveBench · 数据分析
  • AA-Analyst Agent
  • SimpleQA Verified
  • 司南 · 知识
  • LiveBench · 语言与指令
  • NYT Connections 扩展版
  • BullshitBench · 错误前提
  • Arena Text
  • Arena WebDev

最近的新闻

10-20Artificial Analysis 盘点上周美国开源权重模型进展:Nemotron 3.5、Muse Spark Open、Beam 1.0Artificial Analysis

10-20Reflection AI 的 Beam 1.0 公布 ARC-AGI (Verified) 成绩ARC Prize

10-20ARC Prize 公布 Reflection Beam 1.0 结果ARC Prize

10-17Arena Alignment Index 更新:Meta Muse Wonder、Reflection Beam 1.0 和 StepFun Step 5 Preview 入榜Arena

10-17Latent Space 试点 High Taste Testers 节目并汇总 AI 新闻:Meta 开源 Muse Spark Open、Reflection Beam 1.0 等Latent Space