EBR-bench

Epoch AI / 专业办公 · 在长任务中学习新规则并使用记忆

在千机新闻中仅供参考

证据预算不计分

上游数据时间09/30 02:13

最近成功同步10/03 10:56

它测什么，怎么测

公开汇总混合了记忆压缩配置；未取得固定配置的可比成绩前仅供参考。

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	gpt-6-astra_maxopenai	76.2%	Max 推理
2	claude-opus-5-5_maxanthropic	71.4%	Max 推理
3	claude-fable-5-1_maxanthropic	57.1%	Max 推理
4	gpt-6.1-sol_maxopenai	54.3%	Max 推理
5	gpt-6-sol_maxopenai	53.3%	Max 推理
6	claude-opus-5_maxanthropic	45.7%	Max 推理
7	gpt-5.6-sol_maxopenai	44.8%	Max 推理
8	claude-fable-5_maxanthropic	39.5%	Max 推理
9	gpt-5.5_xhighopenai	34.3%	xHigh 推理
10	grok-4.6_xhighxai	30.5%	xHigh 推理
11	claude-opus-4-8_maxanthropic	28.6%	Max 推理
12	gpt-5.4-2026-03-05_xhighOpenAI	25.4%	xHigh 推理
13	gpt-5.2-2025-12-11_xhigh—	23.0%	xHigh 推理
14	claude-opus-4-7_maxanthropic	19.0%	Max 推理
15	gemini-3.1-pro-previewgoogle	14.3%	来源默认配置
15	claude-opus-4-5-20251101_128Kanthropic	14.3%	来源默认配置 · 128k
17	claude-opus-4-6_maxanthropic	12.7%	Max 推理
17	gpt-5-2025-08-07_high—	12.7%	High 推理
19	qwen3.7-max—	9.5%	来源默认配置
19	glm-5.2_max—	9.5%	Max 推理
21	claude-opus-4-1-20250805anthropic	7.9%	来源默认配置
22	gemini-3.5-flash_highgoogle	4.8%	High 推理
23	kimi-k2.6moonshot	2.4%	来源默认配置
23	claude-sonnet-4-5-20250929anthropic	2.4%	来源默认配置

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，原始分数与千机新闻共识分使用不同尺度，不能直接相加。