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
評測權重1.2%
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
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 | gpt-6.2-astra_maxOpenAI | 95.0% | Max 推理 |
| 2 | claude-fable-5-2_maxAnthropic | 90.0% | Max 推理 |
| 3 | gemini-4-neon_xhighGoogle | 85.0% | xHigh 推理 |
| 4 | gpt-6-astra_maxOpenAI | 84.0% | Max 推理 |
| 5 | gpt-6.1-sol_maxopenai | 80.0% | Max 推理 |
| 6 | gpt-6.1-terra_maxOpenAI | 74.0% | Max 推理 |
| 7 | gemini-4-carbon_highgoogle | 73.0% | High 推理 |
| 8 | claude-opus-5-5_maxAnthropic | 71.0% | Max 推理 |
| 9 | claude-sonnet-5-5_maxanthropic | 65.0% | Max 推理 |
| 9 | gemini-4-hydrogen_xhighgoogle | 65.0% | xHigh 推理 |
| 11 | gemini-4-argon_highgoogle | 64.0% | High 推理 |
| 12 | claude-opus-5_maxAnthropic | 59.0% | Max 推理 |
| 13 | claude-fable-5-1_maxAnthropic | 58.0% | Max 推理 |
| 13 | gpt-5.6-sol_maxOpenAI | 58.0% | Max 推理 |
| 15 | gpt-5.5_xhighOpenAI | 56.0% | xHigh 推理 |
| 15 | gpt-6-sol_maxOpenAI | 56.0% | Max 推理 |
| 17 | claude-fable-5_maxAnthropic | 52.0% | Max 推理 |
| 19 | muse-wonder-1.0_max— | 51.0% | Max 推理 |
| 20 | deepseek-v4.1-flash-1017_maxdeepseek | 49.0% | Max 推理 |
| 21 | gemini-3.8-flash_highGoogle | 47.0% | High 推理 |
| 22 | deepseek-v4.1-flash_maxDeepSeek | 43.0% | Max 推理 |
| 22 | deepseek-v4-pro-0813_maxDeepSeek | 43.0% | Max 推理 |
| 24 | kimi-k3.1-pro-together_maxMoonshot | 42.0% | Max 推理 |
| 25 | qwen3.8-max_xhighAlibaba | 38.0% | xHigh 推理 |
| 26 | gemini-3.7-flash_highGoogle | 37.0% | High 推理 |
| 26 | gpt-5.4-2026-03-05_xhighOpenAI | 37.0% | xHigh 推理 |
| 29 | claude-opus-4-8_maxAnthropic | 36.0% | Max 推理 |
| 30 | gpt-5.6-terra_maxOpenAI | 35.0% | Max 推理 |
| 30 | claude-sonnet-5_maxAnthropic | 35.0% | Max 推理 |
| 32 | gemini-3.1-pro-preview_highGoogle | 34.0% | High 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。