MODEL LEADERBOARD
世界知识，放在同一张表上。
按模型与思考强度分组，以平均总体准确率降序排列。
累计评估答案—全部为实际提交结果
已评估模型—按模型标识去重
模型 × 强度分组—每一行对应一个评估分组
精确率与思考强度
折线为各分组平均陆地精确率，点击模型查看分布。
正在加载评估数据…
思考强度是声明的分类设置，跨厂商未必等价。缺失分组不连线。箱线图采用插值四分位数、1.5×IQR 须线；单个样本仅显示其值。
每日准确率趋势
按用户所在时区的提交日期统计，每个点为当天所有符合筛选的答案均值。
正在加载每日评估数据…
平台按模型目录中的厂商标识归类，不代表实际 API 中转服务商；自定义模型归“自定义 / 未注明”。点数按提交计，同日多模型与强度按提交数加权；没有提交的日期留空且不连线。每日样本构成可能不同，趋势不等于模型能力随时间变化。
模型评估排行榜
指标先逐份计算，再求组内均值；精确率、召回率、特异度、F1、IoU 均以陆地为正类。
| 排名 | 模型 | 平台 | 思考强度 | 样本数 | 总体准确率 ↓ | 精确率 | 召回率 | 特异度 | F1 | IoU | 平衡准确率 | Macro F1 | Macro IoU | MCC | κ | 面积加权准确率 | 最近提交（本地时区） |
|---|
还没有评估结果。上传第一份答案，开启排行榜。
未定义指标不参与该指标均值；精确率有效样本数在图表提示中显示。无账户体系，“用户”比较实际按历史提交次数统计。