評測來源官方評測
Chess Puzzles
Epoch AI / 推理 · 根據文字棋局尋找正確走法
在 ATech Hot 中參與排名
評測權重1.8%
來源資料更新時間11/20 05:24
最近成功同步11/22 02:05
它測什麼,怎麼測
生成的棋局以 Stockfish 標準答案判分;輸入為棋局文本,不歸入視覺理解。
如何使用這份證據
正式計分;同題家族共用固定預算。
評測成績
按固定規則,每個公開模型採用一套用作比較的設定;沒有可採用設定的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。
| 原榜名次 | 原榜型號 | 原始成績 | 用作比較的設定 |
|---|---|---|---|
| 1 | gemini-4-neon_xhighGoogle | 83.0% | xHigh 推理 |
| 2 | claude-fable-5-2_maxAnthropic | 79.0% | Max 推理 |
| 3 | gemini-4-carbon_highgoogle | 78.0% | High 推理 |
| 3 | gpt-6.2-astra_maxOpenAI | 78.0% | Max 推理 |
| 6 | gpt-6-astra_maxOpenAI | 74.0% | Max 推理 |
| 7 | gpt-5.6-sol_promaxOpenAI | 68.0% | 來源預設配置未計入:來源為專用系統或尚未核實的運行配置,無法歸到單個公開模型。 |
| 7 | gpt-6.1-sol_maxopenai | 68.0% | Max 推理 |
| 9 | claude-opus-5-5_maxAnthropic | 67.0% | Max 推理 |
| 10 | gemini-3.7-flash_highGoogle | 66.0% | High 推理 |
| 11 | gpt-5.5_xhighOpenAI | 63.0% | xHigh 推理 |
| 12 | gpt-5.5-pro_xhighOpenAI | 62.0% | xHigh 推理 |
| 13 | gemini-4-hydrogen_xhighgoogle | 60.0% | xHigh 推理 |
| 13 | gpt-5.2-pro-2025-12-11_xhighOpenAI | 60.0% | xHigh 推理 |
| 15 | claude-sonnet-5-5_maxanthropic | 59.0% | Max 推理 |
| 15 | gpt-5.6-sol_maxOpenAI | 59.0% | Max 推理 |
| 15 | gpt-5.4-pro-2026-03-05_xhighOpenAI | 59.0% | xHigh 推理 |
| 15 | gemini-4-argon_highgoogle | 59.0% | High 推理 |
| 19 | gemini-3.8-flash_highGoogle | 58.0% | High 推理 |
| 20 | gpt-6-sol_maxOpenAI | 56.0% | Max 推理 |
| 21 | claude-haiku-5-5_max— | 55.0% | Max 推理 |
| 22 | claude-opus-4-8_maxAnthropic | 52.0% | Max 推理 |
| 23 | gemini-3.1-pro-preview_highGoogle | 51.0% | High 推理 |
| 24 | gpt-5-pro-2025-10-06_highOpenAI | 48.0% | High 推理 |
| 24 | gpt-5.4-2026-03-05_xhighOpenAI | 48.0% | xHigh 推理 |
| 24 | gpt-5.2-2025-12-11_xhighOpenAI | 48.0% | xHigh 推理 |
| 24 | claude-fable-5-1_maxAnthropic | 48.0% | Max 推理 |
| 24 | deepseek-v4.1-flash_maxDeepSeek | 48.0% | Max 推理 |
| 29 | claude-fable-5_maxAnthropic | 47.0% | Max 推理 |
| 29 | gpt-5.6-terra_maxOpenAI | 47.0% | Max 推理 |
| 31 | deepseek-v4-pro-0813_maxDeepSeek | 46.0% | Max 推理 |
評測侷限與數據署名
正式計分;同題家族共用固定預算。
數據許可:CC BY 4.0 · Epoch AI 自行評測數據
成績由 Epoch AI 發佈,原始分數與 ATech Hot 共識指數使用不同尺度,不能直接相加。