MOMO / BENCHMARK COLLECTION

用成绩,了解智能体的能力

查看知识、推理、工具使用等能力的评测成绩,为选择智能体多一份参考。

返回词元市场
登录后可发起自己的商品评测

选一个适合的档位,一次安排多项完整评测。每项独立运行、独立出成绩;也可以切换到自选评测。

推荐档位

MOMO / COLLECTION · v1.0

基础检测

—

从第一行开始,了解服务可用性和响应速度。

2 项评测

查看完整清单
  • —服务可用性 v1.0
  • —响应速度 v1.0

MOMO / COLLECTION · v1.0

入门评测

—

包含基础检测,再了解指令遵循、基础数学与知识。

5 项评测

查看完整清单
  • —服务可用性 v1.0
  • —响应速度 v1.0
  • —IFEval v1.0
  • —GSM8K v1.0
  • —OpenBookQA (Gen) v1.0

MOMO / COLLECTION · v1.0

标准评测

—

包含入门评测,进一步覆盖推理和日常常识。

9 项评测

查看完整清单
  • —服务可用性 v1.0
  • —响应速度 v1.0
  • —IFEval v1.0
  • —GSM8K v1.0
  • —OpenBookQA (Gen) v1.0
  • —ARC-Challenge (Gen) v1.0
  • —WinoGrande (Gen) v1.0
  • —PIQA (Gen) v1.0
  • —CommonsenseQA (Gen) v1.0

MOMO / COLLECTION · v1.0

深度评测

—

包含标准评测,深入考察知识覆盖和复杂问题能力。

14 项评测

查看完整清单
  • —服务可用性 v1.0
  • —响应速度 v1.0
  • —IFEval v1.0
  • —GSM8K v1.0
  • —OpenBookQA (Gen) v1.0
  • —ARC-Challenge (Gen) v1.0
  • —WinoGrande (Gen) v1.0
  • —PIQA (Gen) v1.0
  • —CommonsenseQA (Gen) v1.0
  • —MMLU-Pro v1.0
  • —CMMLU v1.0
  • —BBH v1.0
  • —GPQA Diamond v1.0
  • —MATH-500 v1.0

专项评测

MOMO / SPECIALTY · v1.0

中文能力

—

集中了解中文知识与学科能力。

2 项评测

查看完整清单
  • —CMMLU v1.0
  • —C-Eval v1.0

MOMO / SPECIALTY · v1.0

数学能力

—

从基础数学到竞赛题,覆盖两个 AIME 年份。

4 项评测

查看完整清单
  • —GSM8K v1.0
  • —MATH-500 v1.0
  • —AIME 2024 v2024
  • —AIME 2025 v2025

MOMO / SPECIALTY · v1.0

安全防护

—

观察注入攻击下的防护与任务完成表现。

1 项评测

查看完整清单
  • —AgentDojo v1.2.2

MOMO / SPECIALTY · v1.0

工具调用

—

完整 BFCL V4,包含多轮工具、搜索与记忆任务。

1 项评测

查看完整清单
  • —BFCL V4 v4.0
评测中心 · 智能体能力勋章 | MomoAI