Updated

Recent models are selected in rounds across providers, up to 25 models total. Cells link to the newest reported observation in each family.

Coverage matrix

Recent model coverage
ModelGraduate-Level Google-Proof Q&ASWE-benchTerminal-BenchHumanity's Last ExamMMLU-ProMMMU-ProDeepSWEAutomationBenchCursorBenchSWE AtlasSimpleQA VerifiedVibe Code BenchOSWorldBrowseCompCharXiv
Claude Haiku 5.5Anthropic—ReportedReportedReported————Reported——————
Gemini 4 ArgonGoogle (DeepMind)——Reported———ReportedReported———ReportedReported——
GPT-6.1 SolOpenAIReportedReportedReported—ReportedReportedReportedReported—ReportedReportedReportedReportedReportedReported
Grok 4.7SpaceXAIReportedReportedReported———Reported—ReportedReportedReportedReported—ReportedReported
Muse Spark 1.3Meta AI (originally Facebook AI Research)Reported—Reported———ReportedReportedReportedReported—ReportedReported—Reported
GLM-5.3-FlashZ.aiReportedReportedReportedReportedReportedReportedReportedReportedReported——Reported——Reported
MAI-Thinking-1Microsoft AIReportedReportedReported—Reported—————Reported————
Qwen3.8-MaxAlibaba (Tongyi)ReportedReportedReportedReportedReportedReportedReported——ReportedReportedReportedReportedReportedReported
Inkling-SmallThinking Machines LabReportedReportedReported—Reported—————ReportedReported—ReportedReported
Kimi K3Moonshot AIReportedReportedReportedReportedReportedReportedReportedReported—ReportedReportedReportedReportedReportedReported
NVIDIA Nemotron 3 Ultra 550B-A55BNVIDIAReportedReportedReportedReportedReported—Reported————Reported—Reported—
MiniMax M3MiniMaxReportedReportedReportedReportedReportedReportedReportedReported—Reported—ReportedReportedReportedReported
Mistral Medium 3.5Mistral AIReportedReportedReported—Reported——————Reported—Reported—
Composer 2.5Cursor—ReportedReported—————Reported——Reported———
DeepSeek-V4-FlashDeepSeek AIReportedReportedReportedReportedReported—ReportedReported——Reported——Reported—
Claude Sonnet 5.5AnthropicReportedReportedReportedReportedReportedReportedReportedReportedReportedReportedReportedReported—ReportedReported
GPT-6 LunaOpenAIReportedReportedReportedReportedReportedReportedReportedReported—ReportedReportedReportedReportedReportedReported
Gemini 3.8 FlashGoogle (DeepMind)ReportedReportedReportedReportedReportedReportedReportedReportedReportedReportedReportedReported—ReportedReported
GLM-5.3Z.aiReportedReportedReportedReportedReported—ReportedReportedReportedReportedReportedReported———
Grok 4.6SpaceXAIReportedReportedReportedReportedReportedReportedReported—ReportedReportedReportedReported—ReportedReported
Muse Glimmer 30BMeta AI (originally Facebook AI Research)—Reported——————————Reported—Reported
InklingThinking Machines LabReportedReportedReportedReportedReportedReportedReported——ReportedReportedReported—ReportedReported
Qwen3.7-PlusAlibaba (Tongyi)ReportedReportedReported—Reported——Reported———ReportedReported——
MAI-Code-1-FlashMicrosoft AIReportedReportedReported————————————
DeepSeek-V4-ProDeepSeek AIReportedReportedReportedReportedReported—Reported——ReportedReportedReported—Reported—

By provider

Provider coverage
ProviderModelsBenchmarks coveredRecords
Alibaba (Tongyi)841161
Anthropic1836708
Cursor4418
DeepSeek AI318107
Google (DeepMind)1642364
Meta AI (originally Facebook AI Research)541140
Microsoft AI31520
MiniMax42372
Mistral AI51442
Moonshot AI331119
NVIDIA31336
OpenAI2340700
SpaceXAI427107
Thinking Machines Lab22764
Z.ai929174

Stale results

Benchmarks whose newest reported result is more than 90 days before the latest data timestamp.