評測來源官方評測
SimpleBench
SimpleBench / 推理 · 用日常常識和邏輯問題，檢驗模型能否識別問題中的實際約束。
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
區分選擇題與開放回答，固定 AVG@5、温度和提示協議；不把加入榜單日期當逐題評測時間。
如何使用這份證據
候選觀察：新品覆蓋及時，等待官網成績複用邊界與可凍結的數據版本説明；不套用代碼許可，尚未自動採集或計分。
評測侷限與數據署名
日常常識題具有補充價值，但題目代表性與選擇題/開放回答條件均影響解釋。
數據許可：樣題與評測代碼倉庫 MIT；官網獨立發佈的最新成績腳本再展示邊界尚未確認。
成績由 SimpleBench 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。