垂直行业 · 工业
Leaderboard
工业行业实战能力排行榜
基于 SQBench 工业实战任务结果排序,展示模型在真实业务场景中的综合表现。
排名模型满分 100,越高表示工业实战能力越强未触发风险扣分的任务比例,越高越好触发幻觉相关风险的任务比例,越低越好完成本次评测的模型 API 成本
1Models
工业行业能力表现
展示模型在 SQBench 工业实战任务中的总体表现、完成质量与风险影响。
工业实战能力
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
工业实战能力
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。
工业实战能力(按开放属性划分)
按开源/闭源展示模型实战能力,用于观察不同开放属性模型的表现分布。
开源模型闭源模型
推理模型以此图标标识
Capability
工业行业实战能力分析
从数理审计、复杂业务和合规风控三个任务类型,比较模型在工业场景中的实战表现。
数理审计
评估模型核对数据、检查口径一致性和发现计算异常的能力。
Safety & Reliability
工业行业安全与合规
对比模型在工业任务执行中的可靠性、风险控制和幻觉相关表现。
可靠度
未触发风险扣分的任务比例,越高表示执行过程越稳定。
推理模型以此图标标识
Cost Efficiency
工业行业成本效率
展示模型完成 SQBench 工业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
工业行业性价比
对比模型工业实战能力与可靠度、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。
工业实战能力 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。
智谱Anthropic小米MiniMax阿里巴巴字节跳动DeepSeek月之暗面腾讯GooglexAI阶跃星辰Nvidia
理想区域工业实战能力可靠度10.020.030.040.070.0%80.0%90.0%GLM-5.2 (Max)
GLM-5.2 (Max)可靠度83.5%工业实战能力43.5%Click for more infoGLM-5.1
GLM-5.1可靠度87.2%工业实战能力41.2%Click for more infoClaude Opus 4.8 (Max)
Claude Opus 4.8 (Max)可靠度82.0%工业实战能力38.3%Click for more infoMiMo-V2.5
MiMo-V2.5可靠度91.0%工业实战能力38.1%Click for more infoMiniMax-M3
MiniMax-M3可靠度85.2%工业实战能力37.5%Click for more infoQwen3.7-Plus
Qwen3.7-Plus可靠度92.2%工业实战能力36.5%Click for more infoQwen3.7-Max
Qwen3.7-Max可靠度90.3%工业实战能力35.7%Click for more infoDoubao-Seed-2.1-turbo (High)
Doubao-Seed-2.1-turbo (High)可靠度87.4%工业实战能力35.5%Click for more infoDoubao-Seed-2.1-pro (High)
Doubao-Seed-2.1-pro (High)可靠度91.3%工业实战能力34.4%Click for more infoDeepSeek-V4-Pro (High)
DeepSeek-V4-Pro (High)可靠度84.6%工业实战能力34.0%Click for more infoKimi K2.6
Kimi K2.6可靠度83.4%工业实战能力33.5%Click for more infoDeepSeek-V4-Flash (High)
DeepSeek-V4-Flash (High)可靠度81.6%工业实战能力33.2%Click for more infoDeepSeek-V4-Flash (Max)
DeepSeek-V4-Flash (Max)可靠度88.8%工业实战能力32.4%Click for more infoMiMo-V2.5-Pro
MiMo-V2.5-Pro可靠度75.5%工业实战能力32.0%Click for more infoKimi K2.7 Code
Kimi K2.7 Code可靠度82.1%工业实战能力31.2%Click for more infoDeepSeek-V4-Pro (Max)
DeepSeek-V4-Pro (Max)可靠度83.8%工业实战能力30.6%Click for more infoQwen3.6-Plus
Qwen3.6-Plus可靠度89.0%工业实战能力29.2%Click for more infoHy3
Hy3可靠度77.8%工业实战能力28.8%Click for more infoHy3 Preview
Hy3 Preview可靠度76.4%工业实战能力26.8%Click for more infoGemini 3.5 Flash (High)
Gemini 3.5 Flash (High)可靠度85.3%工业实战能力26.4%Click for more infoMiniMax-M2.7
MiniMax-M2.7可靠度88.1%工业实战能力25.1%Click for more infoGemma 4 31B
Gemma 4 31B可靠度84.3%工业实战能力23.7%Click for more infoGrok 4.3 (High)
Grok 4.3 (High)可靠度92.5%工业实战能力21.7%Click for more infoStep 3.5 Flash (High)
Step 3.5 Flash (High)可靠度69.3%工业实战能力17.2%Click for more infoNemotron 3 Ultra
Nemotron 3 Ultra可靠度66.2%工业实战能力10.7%Click for more info
推理模型以此图标标识