| O4-Mini (High) |
87.3 |
87.3 |
22.7 |
1 |
1 |
NaN |
NaN |
| O3 (High) |
84.7 |
84.7 |
20.7 |
1 |
1.1 |
NaN |
NaN |
| O4-Mini (Medium) |
84.5 |
84.5 |
20 |
1 |
1.1 |
NaN |
NaN |
| DeepSeek-R1-0528 |
84.4 |
93.1 |
19.9 |
10 |
1.1 |
0.95 |
0.58 |
| Gemini-2.5-Pro-06-05 |
84.3 |
84.3 |
19.6 |
1 |
1.1 |
NaN |
NaN |
| Gemini-2.5-Pro-05-06 |
82.7 |
82.7 |
18.5 |
1 |
1.2 |
NaN |
NaN |
| Gemini-2.5-Pro-03-25 |
81.5 |
81.5 |
17.9 |
1 |
1.2 |
NaN |
NaN |
| OpenReasoning-Nemotron-32B |
81 |
89.8 |
17.8 |
10 |
1.2 |
1 |
0.65 |
| EXAONE-4.0-32B |
80.9 |
87.7 |
17.5 |
4 |
1.2 |
1 |
0.64 |
| Qwen3-235B-A22B |
80.4 |
80.4 |
17 |
1 |
1.2 |
NaN |
NaN |
| XBai-o4-medium |
80.1 |
80.1 |
16.7 |
1 |
1.2 |
NaN |
NaN |
| Grok-3-Mini (High) |
78.1 |
78.1 |
17.7 |
1 |
1.3 |
NaN |
NaN |
| O3-Mini-2025-01-31 (High) |
77.7 |
77.7 |
16.1 |
1 |
1.3 |
NaN |
NaN |
| O4-Mini (Low) |
77.4 |
77.4 |
15.7 |
1 |
1.3 |
NaN |
NaN |
| Gemini-2.5-Flash-05-20 |
76.2 |
76.2 |
14.7 |
1 |
1.3 |
NaN |
NaN |
| O3-Mini-2025-01-31 (Med) |
75.4 |
75.4 |
14.7 |
1 |
1.3 |
NaN |
NaN |
| Gemini-2.5-Flash-04-17 |
75.1 |
75.1 |
14.4 |
1 |
1.3 |
NaN |
NaN |
| QwQ-32B_temp |
73.5 |
73.5 |
13.2 |
1 |
1.4 |
NaN |
NaN |
| O3-Mini-2025-01-31 (Low) |
70.6 |
70.6 |
12.3 |
1 |
1.4 |
NaN |
NaN |
| Claude-Opus-4 (Thinking) |
70.4 |
70.4 |
11.6 |
1 |
1.4 |
NaN |
NaN |
| Claude-Sonnet-4 (Thinking) |
68.5 |
68.5 |
10.8 |
1 |
1.4 |
NaN |
NaN |
| Claude-3.7-Sonnet |
63.5 |
63.5 |
8.97 |
1 |
1.5 |
NaN |
NaN |
| Claude-Opus-4 |
62.4 |
62.4 |
8.62 |
1 |
1.5 |
NaN |
NaN |
| Claude-Sonnet-4 |
59.4 |
59.4 |
7.75 |
1 |
1.5 |
NaN |
NaN |
| Gemini-Flash-2.0-Thinking-12-19 |
56.5 |
56.5 |
7.43 |
1 |
1.5 |
NaN |
NaN |
| Gemini-Flash-2.0-Thinking-01-21 |
55.7 |
55.7 |
6.9 |
1 |
1.5 |
NaN |
NaN |
| DeepSeek-V3 |
49.6 |
58.8 |
5.51 |
10 |
1.5 |
1.4 |
0.54 |
| Claude-3.5-Sonnet-20241022 |
48.7 |
55.1 |
4.73 |
10 |
1.5 |
1.5 |
0.48 |
| Gemini-Flash-2.0-Exp |
41.8 |
41.8 |
3.04 |
1 |
1.5 |
NaN |
NaN |
| GPT-4O-2024-08-06 |
38.3 |
49.8 |
2.49 |
10 |
1.5 |
1.4 |
0.59 |
| GPT-4-Turbo-2024-04-09 |
37.3 |
47.4 |
2.28 |
10 |
1.5 |
1.4 |
0.58 |
| GPT-4O-mini-2024-07-18 |
35.5 |
43.4 |
1.96 |
10 |
1.5 |
1.4 |
0.48 |
| Claude-3-Haiku |
22.5 |
26.8 |
0.692 |
10 |
1.3 |
1.2 |
0.38 |