跳到正文
評測來源

MirrorCode

Epoch AI / 編程 · 長時間的軟件復現

官方評測
在 ATech Hot 中僅供參考
評測權重不計分
來源資料更新時間11/17 23:49
最近成功同步11/22 02:05

它測什麼,怎麼測

已發佈數據僅少量型號,且運行時間很長;樣本和運行條件不足以形成分類共識。

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
1claude-sonnet-5-5_maxanthropic97.8%Max 推理
2claude-opus-5-5_maxAnthropic95.6%Max 推理
3claude-fable-5-1_maxAnthropic93.3%Max 推理
4claude-opus-5_maxAnthropic87.8%Max 推理
6claude-haiku-5-5_max—78.9%Max 推理
7gpt-6.1-terra_maxOpenAI76.7%Max 推理
9claude-fable-5_maxAnthropic70.0%Max 推理
10gpt-6.2-astra_maxOpenAI67.8%Max 推理
11claude-opus-4-8_maxAnthropic65.6%Max 推理
12deepseek-v4.1-flash_maxDeepSeek64.4%Max 推理
14claude-sonnet-5_maxAnthropic63.3%Max 推理
15gpt-6.1-sol_maxopenai61.1%Max 推理
16gpt-6-astra_maxOpenAI60.0%Max 推理
17gemini-4-argon_highgoogle58.9%High 推理
18kimi-k3_maxMoonshot AI54.4%Max 推理
18grok-4.7_xhighxAI54.4%xHigh 推理
18muse-spark-1.3_maxMeta54.4%Max 推理
21qwen3.8-max_xhighAlibaba52.2%xHigh 推理
22gpt-6-sol_maxOpenAI48.9%Max 推理
23qwen3.8-max-0902_xhighAlibaba47.8%xHigh 推理
25muse-wonder-1.0_max—45.6%Max 推理
26kimi-k3.1-pro-together_maxMoonshot43.3%Max 推理
26claude-opus-4-7_maxAnthropic43.3%Max 推理
28grok-4.6_xhighxAI41.1%xHigh 推理
28gemini-3.7-flash_highGoogle41.1%High 推理
28gpt-5.6-terra_maxOpenAI41.1%Max 推理
31mistral-large-4-0_highMistral AI40.0%High 推理
32gemini-3.8-flash_highGoogle38.9%High 推理
33glm-5.2_maxZ.ai36.7%Max 推理
34deepseek-v4-pro-0813_maxDeepSeek33.3%Max 推理
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 共識指數使用不同尺度,不能直接相加。