استدلال فارسی
برنامهریزیشده، هنوز اجرا نشدهروش سنجش برنامهریزیشده
پاسخ مرجع + بررسی گامها
معیارهای ارزیابی
- استدلال گامبهگام
- جواب نهایی درست
- قدم منطقی جا نیندازد
رتبهبندی مدلها روی این حوزه
آزمون این حوزه هنوز اجرا نشده؛ رتبهها از نمرهٔ نزدیکترین سنجه در دور ارزیابی تیم مرشد (تیر ۱۴۰۵) میآیند.
| # | مدل | امتیاز استدلال فارسی |
|---|---|---|
| ۱ | ۱۰ | |
| ۲ | ۱۰ | |
| ۳ | ۱۰ | |
| ۴ | ۱۰ | |
| ۵ | ۸ | |
| ۶ | ۸ | |
| ۷ | ۸ | |
| ۸ | ۸ | |
| ۹ | ۸ | |
| ۱۰ | Hunyuan HY3 | ۸ |