垂直行业 · 政务

Leaderboard

政务行业实战能力排行榜

基于 SQBench 政务实战任务结果排序,展示模型在真实业务场景中的综合表现。

Models

政务行业能力表现

展示模型在 SQBench 政务实战任务中的总体表现、完成质量与风险影响。

政务实战能力

基于任务通过情况衡量模型在真实业务任务中的稳定交付表现,越高表示可稳定完成的任务比例越高。

推理模型以此图标标识

政务实战能力

实战能力采用任务通过口径计算,强调模型在标准评测条件下稳定达标的能力;最终表现分和任务完成分保留连续得分,用于辅助分析任务完成质量与风险影响。

Capability

政务行业实战能力分析

从数理审计、复杂业务和合规风控三个任务类型,比较模型在政务场景中的实战表现。

Safety & Reliability

政务行业安全与合规

对比模型在政务任务执行中的可靠性、风险控制和幻觉相关表现。

Cost Efficiency

政务行业成本效率

展示模型完成 SQBench 政务实战任务所需的评测成本、完成耗时和 Token 消耗,用于辅助判断规模化使用成本。

评测成本

完成本次评测产生的模型 API 成本,越低表示调用成本越低。

输入推理回答

推理模型以此图标标识

Value

政务行业性价比

对比模型政务实战能力与可靠度、评测成本、完成耗时和 Token 消耗,辅助判断不同模型的部署价值。

政务实战能力 vs 可靠度

对比模型的任务交付表现与风险稳定性,右上区域更优。

DeepSeekAnthropic小米阿里巴巴智谱月之暗面腾讯字节跳动GoogleMiniMaxxAI阶跃星辰
理想区域政务实战能力可靠度20.030.040.070.0%80.0%90.0%DeepSeek-V4-Pro (Max)DeepSeek-V4-Pro (Max)可靠度91.8%政务实战能力42.6%Click for more infoClaude Opus 4.8 (Max)Claude Opus 4.8 (Max)可靠度86.0%政务实战能力42.3%Click for more infoMiMo-V2.5MiMo-V2.5可靠度87.0%政务实战能力42.1%Click for more infoDeepSeek-V4-Pro (High)DeepSeek-V4-Pro (High)可靠度92.6%政务实战能力42.0%Click for more infoDeepSeek-V4-Flash (High)DeepSeek-V4-Flash (High)可靠度93.6%政务实战能力41.2%Click for more infoQwen3.7-MaxQwen3.7-Max可靠度90.3%政务实战能力39.7%Click for more infoGLM-5.2 (Max)GLM-5.2 (Max)可靠度87.5%政务实战能力39.5%Click for more infoKimi K2.6Kimi K2.6可靠度95.4%政务实战能力37.5%Click for more infoGLM-5.1GLM-5.1可靠度95.2%政务实战能力37.2%Click for more infoHy3Hy3可靠度89.8%政务实战能力36.8%Click for more infoQwen3.7-PlusQwen3.7-Plus可靠度88.2%政务实战能力36.5%Click for more infoDoubao-Seed-2.1-turbo (High)Doubao-Seed-2.1-turbo (High)可靠度71.4%政务实战能力35.5%Click for more infoKimi K2.7 CodeKimi K2.7 Code可靠度90.1%政务实战能力35.2%Click for more infoGemini 3.5 Flash (High)Gemini 3.5 Flash (High)可靠度85.3%政务实战能力34.4%Click for more infoMiniMax-M2.7MiniMax-M2.7可靠度88.1%政务实战能力33.1%Click for more infoMiMo-V2.5-ProMiMo-V2.5-Pro可靠度87.5%政务实战能力32.0%Click for more infoHy3 PreviewHy3 Preview可靠度92.4%政务实战能力30.8%Click for more infoDoubao-Seed-2.1-pro (High)Doubao-Seed-2.1-pro (High)可靠度67.3%政务实战能力30.4%Click for more infoGrok 4.3 (High)Grok 4.3 (High)可靠度88.5%政务实战能力29.7%Click for more infoMiniMax-M3MiniMax-M3可靠度85.2%政务实战能力29.5%Click for more infoQwen3.6-PlusQwen3.6-Plus可靠度89.0%政务实战能力29.2%Click for more infoDeepSeek-V4-Flash (Max)DeepSeek-V4-Flash (Max)可靠度80.8%政务实战能力24.4%Click for more infoGemma 4 31BGemma 4 31B可靠度80.3%政务实战能力23.7%Click for more infoStep 3.5 Flash (High)Step 3.5 Flash (High)可靠度77.3%政务实战能力21.2%Click for more infoStep 3.7 Flash (High)Step 3.7 Flash (High)可靠度75.4%政务实战能力12.7%Click for more info

推理模型以此图标标识