Mystery Game Puzzles

Epoch AI / 推理 · 从陌生规则推导正确行动

在 AI Insight Hub 中参与排名

证据预算1.2%

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

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。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—	84.0%	Max 推理
2	gpt-6.1-sol_max—	80.0%	Max 推理
3	claude-opus-5-5_max—	71.0%	Max 推理
4	claude-sonnet-5-5_max—	65.0%	Max 推理
5	claude-opus-5_max—	59.0%	Max 推理
6	claude-fable-5-1_max—	58.0%	Max 推理
6	gpt-5.6-sol_max—	58.0%	Max 推理
8	gpt-6-sol_max—	56.0%	Max 推理
8	gpt-5.5_xhigh—	56.0%	xHigh 推理
10	claude-fable-5_max—	52.0%	Max 推理
12	gemini-3.8-flash_high—	47.0%	High 推理
13	deepseek-v4-pro-0813_max—	43.0%	Max 推理
14	qwen3.8-max_xhigh—	38.0%	xHigh 推理
15	gpt-5.4-2026-03-05_xhighOpenAI	37.0%	xHigh 推理
15	gemini-3.7-flash_high—	37.0%	High 推理
18	claude-opus-4-8_max—	36.0%	Max 推理
19	claude-sonnet-5_max—	35.0%	Max 推理
19	gpt-5.6-terra_max—	35.0%	Max 推理
21	gemini-3.1-pro-preview_high—	34.0%	High 推理
21	grok-4.6_xhigh—	34.0%	xHigh 推理
21	deepseek-v4-flash-0731_max—	34.0%	Max 推理
24	glm-5.3_max—	33.0%	Max 推理
26	gemini-3.5-flash_high—	32.0%	High 推理
26	qwen3.7-max—	32.0%	来源默认配置
30	gemini-3.6-flash_high—	30.0%	High 推理
31	o3-2025-04-16_highOpenAI	29.0%	High 推理
31	grok-4.7_xhigh—	29.0%	xHigh 推理
34	claude-opus-4-7_max—	28.0%	Max 推理
38	kimi-k3_max—	26.0%	Max 推理
42	muse-spark-1.3_max—	25.0%	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。