Chess Puzzles

Epoch AI / 推理 · 根据文字棋局寻找正确走法

在 AI Insight Hub 中参与排名

证据预算1.8%

上游数据时间09/30 06:00

最近成功同步10/03 20:05

它测什么，怎么测

生成的棋局以 Stockfish 标准答案判分；输入为棋局文本，不归入视觉理解。

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。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
1	gpt-6-astra_max—	72.0%	Max 推理
4	gemini-3.8-flash_high—	61.0%	High 推理
4	gpt-6.1-sol_max—	61.0%	Max 推理
6	gpt-5.4-pro-2026-03-05_xhighOpenAI	58.6%	xHigh 推理
7	gpt-5.6-sol_max—	55.0%	Max 推理
9	gpt-5.6-terra_max—	54.0%	Max 推理
11	gemini-3.5-flash_high—	50.0%	High 推理
12	gemini-3.1-pro-preview_high—	49.0%	High 推理
12	gpt-5.2-2025-12-11_xhigh—	49.0%	xHigh 推理
14	claude-fable-5-1_max—	47.0%	Max 推理
14	deepseek-v4-pro-0813_max—	47.0%	Max 推理
14	gemini-3.7-flash_high—	47.0%	High 推理
18	gpt-5.4-2026-03-05_xhighOpenAI	44.0%	xHigh 推理
21	claude-opus-5_max—	42.0%	Max 推理
22	claude-fable-5_max—	41.0%	Max 推理
24	gpt-5.6-luna_max—	40.0%	Max 推理
24	gemini-3.6-flash_high—	40.0%	High 推理
24	qwen3.8-max-0902_xhighAlibaba	40.0%	xHigh 推理
24	gemini-3-flash-preview_high—	40.0%	High 推理
31	kimi-k3_max—	39.0%	Max 推理
32	grok-4.7_xhigh—	38.0%	xHigh 推理
32	muse-spark-1.3_max—	38.0%	Max 推理
38	gpt-5-2025-08-07_high—	37.0%	High 推理
39	grok-4.5_high—	36.0%	High 推理
43	o3-2025-04-16_highOpenAI	34.0%	High 推理
43	claude-opus-4-8_max—	34.0%	Max 推理
45	deepseek-v4-flash-0731_max—	33.0%	Max 推理
47	gpt-5.1-2025-11-13_highOpenAI	32.0%	High 推理
48	grok-4.6_xhigh—	31.0%	xHigh 推理
48	gpt-6-luna_max—	31.0%	Max 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 AI Insight Hub 共识分使用不同尺度，不能直接相加。