评测体系与子基准家族见 superclue。本页只放分数：中文大模型综合能力强度。
主榜（2026-07 期，2026-08-06 发布，12 款国产模型，0-100 加权综合分）
| # | 模型 | 综合总分 |
|---|---|---|
| 1 | Qwen3.8-Max | 71.48 |
| 2 | Kimi K3 | 70.68（智能体编程单项第一 75.79） |
| 3 | 豆包 Doubao-Seed-2.1-pro | 65.95 |
| 4 | DeepSeek-V4-Flash | 65.6 |
| 5 | DeepSeek-V4-Pro | 64.4 |
（参考：2026-04 期 DeepSeek-V4-Pro 70.98 登顶、V4-Flash 68.82 第二——两期之间榜首易主，月榜波动不小）
专项榜快照
| 专项 | 榜首 | 分数 | 日期 |
|---|---|---|---|
| XClaw 龙虾产品测评（智能体产品，10 款） | 百度文心助手（任务模式） | 97.62（记忆维度满分） | 2026-08 |
| 中文原生图像编辑（19 模型） | GPT-Image-1.5 | 87.03（国内第一：腾讯混元 83.00） | 2026-03 |
分数观察
- 加权综合分是机构自有口径：与英文基准分数不可比，也不与自家历史版本跨期硬比（维度权重会调，如 2026-07 智能体编程升至 25%）
- 月榜波动大：题库每两月 100% 轮换 + 参测配置差异，同模型不同期分数差异未必代表能力变化
- 参测以国产模型为主：海外模型覆盖有限，定位是中文场景国产横评而非全球榜
- 厂商发布会引用频繁，注意期数与维度版本