在我的应用和日常开发里，我感觉排名符合我的日常感受
这有个更接近真实编码场景的榜单
屎山挑战赛
主要他家是几个评测加权综合的分数，然后有时候会为了让结果好看或者说收了某公司的钱去调整加权规则和更换使用的评测
他们家是自己跑市面上的bench然后给出排名的
要看下面的子榜 比如你写代码就看coding类的那几个 加权的总榜意义不那么大
Arena
我之前看这个
石山高品位的
另外你看看muse spark1.3曾经高于sol
你觉得保真吗
谷歌搜索排名第一，肯定靠谱。反正我就看搜索结果的排名
如各位佬所说，这个总榜是通过分榜加权计算分数，建议看看分榜，coding的话，我会参照terminalbench4.0和nao佬的榜