跳到正文
MarketHOT
English
评测来源

Mystery Game Puzzles

Epoch AI / 推理 · 从陌生规则推导正确行动

官方评测
在 MarketHOT 中参与排名
证据预算1.2%
上游数据时间11/05 20:14
最近成功同步11/18 14:05

它测什么,怎么测

只取 Epoch 标准协议的 mean_score;题目不公开这一限制明确保留。

如何使用这份证据

正式计分;同题家族共用固定预算。

评测成绩

按固定规则,每个公开模型采用一套代表配置;没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示,保留原榜名次,每项最多 30 个。

原榜名次原榜型号原始成绩代表配置
1gpt-6.2-astra_maxOpenAI95.0%Max 推理
2claude-fable-5-2_maxAnthropic90.0%Max 推理
3gpt-6-astra_maxOpenAI84.0%Max 推理
4gpt-6.1-sol_maxopenai80.0%Max 推理
5gpt-6.1-terra_maxOpenAI74.0%Max 推理
6gemini-4-carbon_highgoogle73.0%High 推理
7claude-opus-5-5_maxAnthropic71.0%Max 推理
8claude-sonnet-5-5_maxanthropic65.0%Max 推理
9gemini-4-argon_highgoogle64.0%High 推理
10claude-opus-5_maxAnthropic59.0%Max 推理
11gpt-5.6-sol_maxOpenAI58.0%Max 推理
11claude-fable-5-1_maxAnthropic58.0%Max 推理
13gpt-5.5_xhighOpenAI56.0%xHigh 推理
13gpt-6-sol_maxOpenAI56.0%Max 推理
15claude-fable-5_maxAnthropic52.0%Max 推理
17muse-wonder-1.0_max—51.0%Max 推理
18deepseek-v4.1-flash-1017_maxdeepseek49.0%Max 推理
19gemini-3.8-flash_highGoogle47.0%High 推理
20deepseek-v4-pro-0813_maxDeepSeek43.0%Max 推理
20deepseek-v4.1-flash_maxDeepSeek43.0%Max 推理
22kimi-k3.1-pro-together_maxMoonshot42.0%Max 推理
23qwen3.8-max_xhighAlibaba38.0%xHigh 推理
24gpt-5.4-2026-03-05_xhighOpenAI37.0%xHigh 推理
24gemini-3.7-flash_highGoogle37.0%High 推理
27claude-opus-4-8_maxAnthropic36.0%Max 推理
28gpt-5.6-terra_maxOpenAI35.0%Max 推理
28claude-sonnet-5_maxAnthropic35.0%Max 推理
30deepseek-v4-flash-0731_maxDeepSeek34.0%Max 推理
30grok-4.6_xhighxAI34.0%xHigh 推理
30gemini-3.1-pro-preview_highGoogle34.0%High 推理
评测局限与数据署名

正式计分;同题家族共用固定预算。

数据许可:CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 发布,原始分数与 MarketHOT 共识分使用不同尺度,不能直接相加。