RAG and retrieval
结果只在同一分组内进行比较，因此用一种方式测试的模型绝不会与用另一种方式测试的模型同榜排名。
Retrieve relevant context and ground an answer
各排名分组使用独立的评分尺度。请只在同一分组内比较配置；EvalRank 绝不会把不同的系统压平到同一个榜单上。
跨基准共识
把该主题下已收录的基准合并成一份模型排名，权重与实际决策时一致。每个分数代表该模型成绩占最佳成绩的比例。
| 排名 | 模型 | 最佳占比 | 基准测试 |
|---|---|---|---|
| 1 | GPT-6 Astra | 100.0% | 1 |
| 2 | GPT-6.1 Sol | 97.4% | 1 |
| 3 | Gemma 4 26B A4B | 97.1% | 1 |
| 4 | GPT-6 Luna | 95.7% | 1 |
| 5 | Gemma 4 31B | 94.7% | 1 |
| 6 | Qwen 3.8 Max | 92.1% | 1 |
| 7 | Gemini 4 Argon | 91.6% | 1 |
| 8 | Grok 4.7 | 85.6% | 1 |
| 9 | Gemini 3.8 Flash | 85.1% | 1 |
| 10 | Claude Opus 5.5 | 77.9% | 1 |
| 11 | GPT-5.6 Terra | 75.5% | 1 |
| 12 | Claude Haiku 5.5 | 71.1% | 1 |
| 13 | Gemini 3.1 Pro Preview | 70.7% | 1 |
| 14 | GLM-5.3-Flash | 70.0% | 1 |
| 15 | gpt-oss-120b | 25.1% | 1 |
模型配置 · 直接提示
探索性——尚未产生排名冠军rg-rag-retrieval-model-configuration-direct-prompt-model-configuration-v1Explorer 依据
FACTS Grounding v2
单一来源。观测于 ；有效至 。
| 排名 | 配置 | 能力 | 不确定性 | 家族 |
|---|---|---|---|---|
| 1 | GPT-6 Astra facts-grounding-v2:gpt-6-astraconfig_133c9e505fd788462ac768c4805bef5b5fe59e2324bb1f8fff6e845bcddb3872 | 80% | 未知 | 1 |
| 2 | GPT-6.1 Sol facts-grounding-v2:gpt-6.1-solconfig_022373fecf0bf7c463088eb9899c7a3d9eb4bce9cfd24110dee5d64340258fc8 | 78% | 未知 | 1 |
| 3 | Gemma 4 26B A4B facts-grounding-v2:gemma-4-26b-a4b-itconfig_55069a9aaccbd5ee73d7a243cd0c8df03b39b412016cf1a0b7b837edafff174d | 78% | 未知 | 1 |
| 4 | GPT-6 Luna facts-grounding-v2:gpt-6-lunaconfig_dfbe5630ca5e9b5b949f0ac1c2d16d02b8386ac997ef96002c20dcbcbf44251b | 77% | 未知 | 1 |
| 5 | Gemma 4 31B facts-grounding-v2:gemma-4-31b-itconfig_fa8dd1d921924622402184bc1cc37f6f1c4a9ab5a8550e75c01250d3132198cf | 76% | 未知 | 1 |
| 6 | Qwen 3.8 Max facts-grounding-v2:qwen3.8-maxconfig_8fa55caebd27c26e9eb72a531ca084b0b7eb587def26ed79829c31672d534a13 | 74% | 未知 | 1 |
| 7 | Gemini 4 Argon facts-grounding-v2:gemini-4-argonconfig_d111583ea85b8d585e1eff81d6a64ccb192e4f584cb7df57af454e5c2b45e1de | 73% | 未知 | 1 |
| 8 | Grok 4.7 facts-grounding-v2:grok-4.7config_086c38708f99bbe547c2740a59f374dc1c52ea959656105f1b84b8bc40495637 | 69% | 未知 | 1 |
| 9 | Gemini 3.8 Flash facts-grounding-v2:gemini-3.8-flashconfig_289038458a43165e74dc5110c147d0ee5e4582c3c45ee8e794afb02b454cbea6 | 68% | 未知 | 1 |
| 10 | Claude Opus 5.5 facts-grounding-v2:claude-opus-5-5-defaultconfig_d2c7c107ab0570cb61aecf7976c1bf66a5f97bfb7edaa45f27a21886281c4c92 | 62% | 未知 | 1 |
| 11 | GPT-5.6 Terra facts-grounding-v2:gpt-5.6-terraconfig_c000ae6e53b83f053539736253672afb6731d79b61281f862e6b43a61ab41378 | 61% | 未知 | 1 |
| 12 | Claude Haiku 5.5 facts-grounding-v2:claude-haiku-5-5config_1c2522cedfd238e9b5868cd71302f698243450ff10f5dd811765a2283820cbb0 | 57% | 未知 | 1 |
| 13 | Gemini 3.1 Pro Preview facts-grounding-v2:gemini-3.1-pro-previewconfig_5e7d3db54d056747b7f5db367b48e115c38aff0a37a99c447039ea568c28e338 | 57% | 未知 | 1 |
| 14 | GLM-5.3-Flash facts-grounding-v2:glm-5.3-flashconfig_8d840320d281170c66881abda6aacd6a3f818b6431d7a49ff4b96548d6c71112 | 56% | 未知 | 1 |
| 15 | gpt-oss-120b facts-grounding-v2:gpt-oss-120bconfig_a76962bdae4d7535750df3b65733135f2ed5f454f059573b12adbef178ba23ec | 20% | 未知 | 1 |
独立依据不足，无法形成头部梯队
- 校准尚未通过验证
- 独立基准族的覆盖度低于要求的门槛