千机 API 评测来源官方评测
Mystery Game Puzzles
Epoch AI / 推理 · 从陌生规则推导正确行动
在 千机新闻 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 10:55
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_maxopenai | 84.0% | Max 推理 |
| 2 | gpt-6.1-sol_maxopenai | 80.0% | Max 推理 |
| 3 | claude-opus-5-5_maxanthropic | 71.0% | Max 推理 |
| 4 | claude-sonnet-5-5_maxanthropic | 65.0% | Max 推理 |
| 5 | claude-opus-5_maxanthropic | 59.0% | Max 推理 |
| 6 | claude-fable-5-1_maxanthropic | 58.0% | Max 推理 |
| 6 | gpt-5.6-sol_maxopenai | 58.0% | Max 推理 |
| 8 | gpt-6-sol_maxopenai | 56.0% | Max 推理 |
| 8 | gpt-5.5_xhighopenai | 56.0% | xHigh 推理 |
| 10 | claude-fable-5_maxanthropic | 52.0% | Max 推理 |
| 12 | gemini-3.8-flash_highgoogle | 47.0% | High 推理 |
| 13 | deepseek-v4-pro-0813_max— | 43.0% | Max 推理 |
| 14 | qwen3.8-max_xhighalibaba | 38.0% | xHigh 推理 |
| 15 | gpt-5.4-2026-03-05_xhighOpenAI | 37.0% | xHigh 推理 |
| 15 | gemini-3.7-flash_highgoogle | 37.0% | High 推理 |
| 18 | claude-opus-4-8_maxanthropic | 36.0% | Max 推理 |
| 19 | claude-sonnet-5_maxanthropic | 35.0% | Max 推理 |
| 19 | gpt-5.6-terra_maxopenai | 35.0% | Max 推理 |
| 21 | gemini-3.1-pro-preview_highgoogle | 34.0% | High 推理 |
| 21 | grok-4.6_xhighxai | 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_highgoogle | 32.0% | High 推理 |
| 26 | qwen3.7-max— | 32.0% | 来源默认配置 |
| 30 | gemini-3.6-flash_highgoogle | 30.0% | High 推理 |
| 31 | o3-2025-04-16_highopenai | 29.0% | High 推理 |
| 31 | grok-4.7_xhighxai | 29.0% | xHigh 推理 |
| 34 | claude-opus-4-7_maxanthropic | 28.0% | Max 推理 |
| 38 | kimi-k3_max— | 26.0% | Max 推理 |
| 42 | muse-spark-1.3_maxmeta | 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 千机新闻 共识分使用不同尺度，不能直接相加。