評測來源官方評測
Mystery Game Puzzles
Epoch AI / 推理 · 從陌生規則推導正確行動
在 ATech Hot 中參與排名
證據預算1.2%
上游數據時間09/30 06:00
最近成功同步10/06 14:05
它測什麼，怎麼測
只取 Epoch 標準協議的 mean_score；題目不公開這一限制明確保留。
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 | 84.0% | Max 推理 |
| 2 | gpt-6.1-sol_maxopenai | 80.0% | Max 推理 |
| 3 | claude-opus-5-5_maxAnthropic | 71.0% | Max 推理 |
| 4 | claude-sonnet-5-5_maxanthropic | 65.0% | Max 推理 |
| 5 | claude-opus-5_maxAnthropic | 59.0% | Max 推理 |
| 6 | claude-fable-5-1_maxAnthropic | 58.0% | Max 推理 |
| 6 | gpt-5.6-sol_maxOpenAI | 58.0% | Max 推理 |
| 8 | gpt-6-sol_maxOpenAI | 56.0% | Max 推理 |
| 8 | gpt-5.5_xhighOpenAI | 56.0% | xHigh 推理 |
| 10 | claude-fable-5_maxAnthropic | 52.0% | Max 推理 |
| 12 | gemini-3.8-flash_highGoogle | 47.0% | High 推理 |
| 13 | deepseek-v4-pro-0813_maxDeepSeek | 43.0% | Max 推理 |
| 14 | qwen3.8-max_xhighAlibaba | 38.0% | xHigh 推理 |
| 15 | gemini-3.7-flash_highGoogle | 37.0% | High 推理 |
| 15 | gpt-5.4-2026-03-05_xhighOpenAI | 37.0% | xHigh 推理 |
| 18 | claude-opus-4-8_maxAnthropic | 36.0% | Max 推理 |
| 19 | gpt-5.6-terra_maxOpenAI | 35.0% | Max 推理 |
| 19 | claude-sonnet-5_maxAnthropic | 35.0% | Max 推理 |
| 21 | grok-4.6_xhighxAI | 34.0% | xHigh 推理 |
| 21 | deepseek-v4-flash-0731_maxDeepSeek | 34.0% | Max 推理 |
| 21 | gemini-3.1-pro-preview_highGoogle | 34.0% | High 推理 |
| 24 | glm-5.3_maxZ.ai | 33.0% | Max 推理 |
| 26 | gemini-3.5-flash_highGoogle | 32.0% | High 推理 |
| 26 | qwen3.7-maxAlibaba | 32.0% | 來源預設配置 |
| 30 | gemini-3.6-flash_highGoogle | 30.0% | High 推理 |
| 31 | o3-2025-04-16_highOpenAI | 29.0% | High 推理 |
| 31 | grok-4.7_xhighxAI | 29.0% | xHigh 推理 |
| 34 | claude-opus-4-7_maxAnthropic | 28.0% | Max 推理 |
| 38 | kimi-k3_maxMoonshot AI | 26.0% | Max 推理 |
| 42 | claude-opus-4-6_maxAnthropic | 25.0% | 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 共識分使用不同尺度，不能直接相加。