SimpleQA Verified

Epoch AI / 知识 · 短问题的事实准确性

在 AI Insight Hub 中参与排名

证据预算4%

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 自行复跑的 mean_score，采用固定推理档位；不读取 ECI 或 Best score 聚合列。

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—	75.6%	Max 推理
2	gpt-6.1-sol_max—	73.9%	Max 推理
3	gemini-3.1-pro-preview_high—	73.5%	High 推理
4	claude-opus-5-5_max—	72.2%	Max 推理
5	claude-fable-5-1_max—	70.8%	Max 推理
6	claude-fable-5_xhigh—	70.7%	xHigh 推理
7	gpt-5.6-sol_max—	69.7%	Max 推理
7	gemini-3.8-flash_high—	69.7%	High 推理
9	gemini-3.7-flash_high—	69.2%	High 推理
10	gemini-3-flash-preview_high—	66.8%	High 推理
11	gemini-3.5-flash_high—	66.2%	High 推理
11	gemini-3.6-flash_high—	66.2%	High 推理
13	gpt-5.5_xhigh—	63.0%	xHigh 推理
14	gpt-6-sol_max—	60.7%	Max 推理
15	muse-spark-1.2_xhigh—	60.3%	xHigh 推理
16	claude-opus-5_max—	59.9%	Max 推理
17	muse-spark-1.1—	57.8%	来源默认配置
18	grok-4.7_xhigh—	56.0%	xHigh 推理
19	qwen3.7-max—	55.8%	来源默认配置
20	claude-opus-4-8_max—	53.0%	Max 推理
21	deepseek-v4-pro-0813_max—	52.9%	Max 推理
22	qwen3.6-max-previewAlibaba	52.0%	来源默认配置
23	claude-opus-4-7_xhigh—	51.7%	xHigh 推理
24	kimi-k3_max—	50.6%	Max 推理
25	gpt-5-2025-08-07_high—	50.1%	High 推理
26	o3-2025-04-16_highOpenAI	49.4%	High 推理
28	grok-4.6_xhigh—	48.9%	xHigh 推理
29	qwen3-max-2025-09-23Alibaba	48.7%	来源默认配置
30	grok-4.5_high—	48.3%	High 推理
31	gpt-5.1-2025-11-13_highOpenAI	48.0%	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 AI Insight Hub 共识分使用不同尺度，不能直接相加。