ScienceQA最新榜单出炉！多家公司新模型分数均提升｜xbench 月报 新一期双轨评估体系（Dual Track）AGI进程（AGI Tracking）系列的科学问题解答测评集（xbench-ScienceQA）榜单，有6家模型发布的版本更新进入前10，包括GPT-5-high、Qwen3-235B-A22B-Thinking-2 模型 xbench scienceqa xbench月报 月 2025-09-22 10:16 9