評測來源官方評測
OfficeQA Pro
Databricks / 專業辦公 · 從大量真實財務文件中檢索、計算並回答問題。
在 ATech Hot 中觀察中
證據預算不計分
上游數據時間待核實
最近成功同步尚未開始採集
它測什麼，怎麼測
Pro 固定 133 題，與 Full 246 題及 Pro V2 的 90 題分開；端到端檢索與直接提供答案所在頁面屬於不同條件。Claude Agent SDK、Codex SDK、Antigravity CLI 的成績屬於各自運行系統，不能混作統一基礎模型評測。它衡量文件理解，不代表辦公文件的產出質量。
如何使用這份證據
觀察中：官方繼續更新，但目前主要比較不同產品運行系統，原始彙總協議仍待核實；保留資料理解參考，不將不同工具系統的成績直接歸給基礎模型。
評測侷限與數據署名
代碼及題庫許可不自動覆蓋所有外部成績；新舊題集、端到端與答案頁面直供條件不能混排，當前沒有自動採集成績。
數據許可：代碼 Apache 2.0；題目數據 CC BY-SA 4.0，現遷至需要申請訪問的 Hugging Face 數據集。
成績由 Databricks 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。