评测来源官方评测
MirrorCode
Epoch AI / 编程 · 长时间的软件复现
在 协同HOT 中仅供参考
证据预算不计分
上游数据时间09/23 00:42
最近成功同步09/29 20:05
它测什么，怎么测
已发布数据仅少量型号，且运行时间很长；样本和运行条件不足以形成分类共识。
如何使用这份证据
仅供参考，不进入综合或分类分数。
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 | claude-opus-5-5_maxAnthropic | 77.4% | Max 推理 |
| 2 | claude-fable-5-1_highAnthropic | 73.3% | High 推理 |
| 3 | claude-fable-5_highAnthropic | 63.9% | High 推理 |
| 4 | gpt-6-astra_highOpenAI | 46.7% | High 推理 |
| 5 | claude-opus-4-7_highAnthropic | 31.1% | High 推理 |
| 6 | gpt-5.6-sol_highOpenAI | 20.0% | High 推理 |
| 7 | gpt-5.4-2026-03-05_highOpenAI | 15.6% | High 推理 |
| 8 | gpt-5.5_highOpenAI | 10.0% | High 推理 |
| 9 | gemini-3.1-pro-preview_highGoogle | 8.9% | High 推理 |
评测局限与数据署名
仅供参考，不进入综合或分类分数。
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 协同HOT 共识分使用不同尺度，不能直接相加。