基准分数说明

baseline_150 排行榜主要提供参考背景，帮助你理解官方模型表现，并为验证结果中的“声称模型”提供对照。

推理、编码和工具调用等类别分数会对外展示，但具体评分规则与精确提示词保持私密。

这类榜单更适合作为方向性证据，而不是适用于所有工作负载的绝对排名。