benchmark.aider-polyglot-diff · 上一版本存在
上一版本：68.6% · 条件：Diff setting; AI Studio API model ID gemini-2.5-pro-exp-03-25; default sampling; evaluation date not separately published.
benchmark.aider-polyglot-whole · 上一版本存在
上一版本：74% · 条件：Whole-file setting; AI Studio API model ID gemini-2.5-pro-exp-03-25; default sampling; evaluation date not separately published.
benchmark.aime-2024-single-attempt · 上一版本存在
上一版本：92% · 条件：Single attempt; pass@1; AI Studio API model ID gemini-2.5-pro-exp-03-25; default sampling; evaluation date not separately published.
benchmark.aime-2025-single-attempt · 上一版本存在
上一版本：86.7% · 条件：Single attempt; pass@1; AI Studio API model ID gemini-2.5-pro-exp-03-25; default sampling; evaluation date not separately published.
benchmark.global-mmlu-lite · 上一版本存在
上一版本：89.8% · 条件：Pass@1; AI Studio API model ID gemini-2.5-pro-exp-03-25; default sampling; evaluation date not separately published.
benchmark.gpqa-diamond-single-attempt · 上一版本存在
上一版本：84% · 条件：Single attempt; pass@1; AI Studio API model ID gemini-2.5-pro-exp-03-25; default sampling; evaluation date not separately published.
benchmark.humanitys-last-exam-no-tools · 上一版本存在
上一版本：18.8% · 条件：No tools; Google chart methodology; AI Studio API model ID gemini-2.5-pro-exp-03-25; default sampling; evaluation date not separately published.