EBR-bench

Epoch AI / 專業辦公 · 在長任務中學習新規則並使用記憶

在 ATech Hot 中僅供參考

證據預算不計分

上游數據時間09/30 02:13

最近成功同步10/06 14:05

它測什麼，怎麼測

公開彙總混合了記憶壓縮配置；未取得固定配置的可比成績前僅供參考。

如何使用這份證據

僅供參考，不進入綜合或分類分數。

評測成績

按固定規則，每個公開模型採用一套代表配置；沒有可採用配置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	代表配置
1	gpt-6-astra_maxOpenAI	76.2%	Max 推理
2	claude-opus-5-5_maxAnthropic	71.4%	Max 推理
3	claude-fable-5-1_maxAnthropic	57.1%	Max 推理
4	gpt-6.1-sol_maxopenai	54.3%	Max 推理
5	gpt-6-sol_maxOpenAI	53.3%	Max 推理
6	claude-opus-5_maxAnthropic	45.7%	Max 推理
7	gpt-5.6-sol_maxOpenAI	44.8%	Max 推理
8	claude-fable-5_maxAnthropic	39.5%	Max 推理
9	gpt-5.5_xhighOpenAI	34.3%	xHigh 推理
10	grok-4.6_xhighxAI	30.5%	xHigh 推理
11	claude-opus-4-8_maxAnthropic	28.6%	Max 推理
12	gpt-5.4-2026-03-05_xhighOpenAI	25.4%	xHigh 推理
13	gpt-5.2-2025-12-11_xhighOpenAI	23.0%	xHigh 推理
14	claude-opus-4-7_maxAnthropic	19.0%	Max 推理
15	claude-opus-4-5-20251101_128KAnthropic	14.3%	來源預設配置 · 128k
15	gemini-3.1-pro-previewGoogle	14.3%	來源預設配置
17	gpt-5-2025-08-07_highOpenAI	12.7%	High 推理
17	claude-opus-4-6_maxAnthropic	12.7%	Max 推理
19	qwen3.7-maxAlibaba	9.5%	來源預設配置
19	glm-5.2_maxZ.ai	9.5%	Max 推理
21	claude-opus-4-1-20250805Anthropic	7.9%	來源預設配置
22	gemini-3.5-flash_highGoogle	4.8%	High 推理
23	claude-sonnet-4-5-20250929Anthropic	2.4%	來源預設配置
23	kimi-k2.6Moonshot AI	2.4%	來源預設配置

評測侷限與數據署名

僅供參考，不進入綜合或分類分數。

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 共識分使用不同尺度，不能直接相加。