澳鹏数据发布ExamOCRBench评测基准，基于2464套中国小学真实试卷（覆盖语文、数学、英语，含手写涂改、复杂布局），关联22636个小题、十类题型，派生24928个任务实例，核心指标要求整页全部判对。五个模型中GPT-6 Astra以58.18%领先，GPT-5.6 Sol为53.41%，Qwen3.8-Max、Claude Opus 5和Doubao-Seed-2.1-Pro分别为42.32%、36.75%和33.22%。