跳到正文

Mystery Game Puzzles

Epoch AI / 科研 · 從陌生規則推導正確行動

官方評測
在 888news 中參與排名
依據預算3.1%
上游數據時間11/20 05:24
最近成功同步11/23 03:05

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。

如何使用這份依據

計分:科研領域的棋類與遊戲一類(與 Chess Puzzles 合起來算一票)。

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
1gpt-6.2-astra_maxOpenAI95.0%Max 推理
2claude-fable-5-2_maxAnthropic90.0%Max 推理
3gemini-4-neon_xhighGoogle85.0%xHigh 推理
4gpt-6-astra_maxOpenAI84.0%Max 推理
5gpt-6.1-sol_maxOpenAI80.0%Max 推理
6gpt-6.1-terra_maxOpenAI74.0%Max 推理
7gemini-4-carbon_highGoogle73.0%High 推理
8claude-opus-5-5_maxAnthropic71.0%Max 推理
9claude-sonnet-5-5_maxanthropic65.0%Max 推理
9gemini-4-hydrogen_xhighGoogle65.0%xHigh 推理
11gemini-4-argon_highGoogle64.0%High 推理
12claude-opus-5_maxAnthropic59.0%Max 推理
13claude-fable-5-1_maxAnthropic58.0%Max 推理
13gpt-5.6-sol_maxOpenAI58.0%Max 推理
15gpt-6-sol_maxOpenAI56.0%Max 推理
15gpt-5.5_xhighOpenAI56.0%xHigh 推理
17claude-fable-5_maxAnthropic52.0%Max 推理
19muse-wonder-1.0_maxMeta51.0%Max 推理
20deepseek-v4.1-flash-1017_maxDeepSeek49.0%Max 推理
21gemini-3.8-flash_highGoogle47.0%High 推理
22deepseek-v4.1-flash_maxDeepSeek43.0%Max 推理
22deepseek-v4-pro-0813_maxDeepSeek43.0%Max 推理
24kimi-k3.1-pro-together_maxMoonshot AI42.0%Max 推理
25qwen3.8-max_xhighAlibaba38.0%xHigh 推理
26gpt-5.4-2026-03-05_xhighOpenAI37.0%xHigh 推理
26gemini-3.7-flash_highGoogle37.0%High 推理
29claude-opus-4-8_maxAnthropic36.0%Max 推理
30gpt-5.6-terra_maxOpenAI35.0%Max 推理
30claude-sonnet-5_maxAnthropic35.0%Max 推理
32deepseek-v4-flash-0731_maxDeepSeek34.0%Max 推理
評測局限與數據署名

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。