benchmark sourcesOfficial benchmark
OfficeQA Pro
This page's content is in Chinese.
Databricks / 专业办公 · 从大量真实财务文件中检索、计算并回答问题。
In AIDC热点Watching
Evidence budgetNot scored
Upstream data timeTo be verified
Last successful syncCollection not started
What it measures and how
Pro 固定 133 题，与 Full 246 题及 Pro V2 的 90 题分开；端到端检索与直接提供答案所在页面属于不同条件。Claude Agent SDK、Codex SDK、Antigravity CLI 的成绩属于各自运行系统，不能混作统一基础模型评测。它衡量文件理解，不代表办公文件的产出质量。
How to use this evidence
观察中：官方继续更新，但目前主要比较不同产品运行系统，原始汇总协议仍待核实；保留资料理解参考，不将不同工具系统的成绩直接归给基础模型。
Benchmark limits and data attribution
代码及题库许可不自动覆盖所有外部成绩；新旧题集、端到端与答案页面直供条件不能混排，当前没有自动采集成绩。
Data license:代码 Apache 2.0；题目数据 CC BY-SA 4.0，现迁至需要申请访问的 Hugging Face 数据集。
成绩由 Databricks 发布，原始分数与 AIDC热点 共识分使用不同尺度，不能直接相加。