跳到正文

EBR-bench

Epoch AI / 專業辦公 · 在長任務中學習新規則並使用記憶

官方評測
在 888news 中僅供參考
依據預算不參與排序
上游數據時間11/20 06:21
最近成功同步11/23 00:05

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。

如何使用這份依據

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
1gemini-4-neon_xhighGoogle98.1%xHigh 推理未計入:該來源的單模型評測協議尚未核實。
2gpt-6.2-astra_maxOpenAI92.4%Max 推理未計入:該來源的單模型評測協議尚未核實。
3claude-fable-5-2_maxAnthropic90.5%Max 推理未計入:該來源的單模型評測協議尚未核實。
4gemini-4-carbon_highGoogle87.6%High 推理未計入:該來源的單模型評測協議尚未核實。
5gpt-6.1-terra_maxOpenAI78.1%Max 推理未計入:該來源的單模型評測協議尚未核實。
6gpt-6-astra_maxOpenAI76.2%Max 推理未計入:該來源的單模型評測協議尚未核實。
7claude-opus-5-5_maxAnthropic71.4%Max 推理未計入:該來源的單模型評測協議尚未核實。
8gemini-4-hydrogen_xhighGoogle70.5%xHigh 推理未計入:該來源的單模型評測協議尚未核實。
9gemini-4-argon_highGoogle64.8%High 推理未計入:該來源的單模型評測協議尚未核實。
10claude-fable-5-1_maxAnthropic57.1%Max 推理未計入:該來源的單模型評測協議尚未核實。
11gpt-6.1-sol_maxOpenAI54.3%Max 推理未計入:該來源的單模型評測協議尚未核實。
12gpt-6-sol_maxOpenAI53.3%Max 推理未計入:該來源的單模型評測協議尚未核實。
13claude-opus-5_maxAnthropic45.7%Max 推理未計入:該來源的單模型評測協議尚未核實。
14gpt-5.6-sol_maxOpenAI44.8%Max 推理未計入:該來源的單模型評測協議尚未核實。
15claude-haiku-5-5_maxAnthropic43.8%Max 推理未計入:該來源的單模型評測協議尚未核實。
16claude-fable-5_maxAnthropic39.5%Max 推理未計入:該來源的單模型評測協議尚未核實。
17kimi-k3.1-pro-together_maxMoonshot AI37.1%Max 推理未計入:該來源的單模型評測協議尚未核實。
18gpt-5.5_xhighOpenAI34.3%xHigh 推理未計入:該來源的單模型評測協議尚未核實。
19muse-wonder-1.0_maxMeta31.4%Max 推理未計入:該來源的單模型評測協議尚未核實。
20grok-4.6_xhighxAI30.5%xHigh 推理未計入:該來源的單模型評測協議尚未核實。
21claude-opus-4-8_maxAnthropic28.6%Max 推理未計入:該來源的單模型評測協議尚未核實。
22gpt-5.4-2026-03-05_xhighOpenAI25.4%xHigh 推理未計入:該來源的單模型評測協議尚未核實。
23gpt-5.2-2025-12-11_xhighOpenAI23.0%xHigh 推理未計入:該來源的單模型評測協議尚未核實。
24claude-opus-4-7_maxAnthropic19.0%Max 推理未計入:該來源的單模型評測協議尚未核實。
25mistral-large-4-0-oss_highMistral AI18.1%High 推理未計入:該來源的單模型評測協議尚未核實。
26gemini-3.1-pro-previewGoogle14.3%來源預設配置未計入:該來源的單模型評測協議尚未核實。
26claude-opus-4-5-20251101_128KAnthropic14.3%來源預設配置 · 128k未計入:該來源的單模型評測協議尚未核實。
28gpt-5-2025-08-07_highOpenAI12.7%High 推理未計入:該來源的單模型評測協議尚未核實。
28claude-opus-4-6_maxAnthropic12.7%Max 推理未計入:該來源的單模型評測協議尚未核實。
30qwen3.7-maxAlibaba9.5%來源預設配置未計入:該來源的單模型評測協議尚未核實。
評測局限與數據署名

僅供參考,不進入綜合或分類分數。

數據許可:CC BY 4.0 · Epoch AI 自行評測資料

成績由 Epoch AI 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。