v5在全部九项评测中都留有显著的进步空间，且没有任何单一模型在所有评测中领先。在我们测量的模型中，Claude Opus 5.5 领先三项，其余六项由另外五个模型领先：
➤ Claude Opus 5.5：FrontierCode 2.0（46%）、HLE-Diamond（68%）和 AA-Omniscience v1.1（48）
➤ GPT-6 Astra：Terminal-Bench-Science（63%）和 CritPt v2 hard subset（72%）
➤ Claude Sonnet 5.5：AA-Briefcase（1812 Elo）
➤ Kimi K3.1 Pro：Terminal-Bench 4.0（67%）
➤ Gemini 4 Argon：AutomationBench-AA（78%）
➤ Muse Wonder Full：GDP.pdf（33% 全部通过）