AI 模型能力对比
科学与数学
仅显示最近一年发布的模型；只展示覆盖其中至少 3 款模型的评测。发布日期未知的不显示，历史数据仍保留。
— 表示此来源未公布该候选的成绩，不代表零分。
| 序号 | 模型 | 近一年模型中 10/11 款有成绩 | 近一年模型中 10/11 款有成绩 | 近一年模型中 10/11 款有成绩 | 近一年模型中 10/11 款有成绩 | 近一年模型中 9/11 款有成绩 | 近一年模型中 4/11 款有成绩 |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 31.71maxclaude-opus-5-5_max | 91.23maxclaude-opus-5-5_max | 95maxclaude-opus-5-5_max | 100maxclaude-opus-5-5_max | 90.59maxclaude-opus-5-5_max | — |
| 2 |  GPT-6 Astra | 31.71maxgpt-6-astra_max | 93.68maxgpt-6-astra_max | 97.6highgpt-6-astra_high | 99unknowngpt-6-astra_unknown | 95.77maxgpt-6-astra_max | 54.8unknowngpt-6-astra_unknown |
| 3 | GPT-6.1 Sol | 31.71maxgpt-6.1-sol_max | 93.68maxgpt-6.1-sol_max | 100maxgpt-6.1-sol_max | 99unknowngpt-6.1-sol_unknown | 95.39maxgpt-6.1-sol_max | — |
| 4 | Claude Fable 5.1 | 31.14xhighclaude-fable-5-1_xhigh | 90.18maxclaude-fable-5-1_max | 87.8maxclaude-fable-5-1_max | 100maxclaude-fable-5-1_max | — | 46.5xhighclaude-fable-5-1_xhigh |
| 5 |  Gemini 4 Argon | 27.14highgemini-4-argon_high | 85.96highgemini-4-argon_high | 78.05highgemini-4-argon_high | 99unknowngemini-4-argon_unknown | 96.4highgemini-4-argon_high | — |
| 6 | Claude Sonnet 5.5 | 31.43maxclaude-sonnet-5-5_max | 88.77maxclaude-sonnet-5-5_max | 80.49maxclaude-sonnet-5-5_max | 100maxclaude-sonnet-5-5_max | 95.58maxclaude-sonnet-5-5_max | 46.12xhighclaude-sonnet-5-5_xhigh |
| 7 | Claude Opus 5 | 29.14maxclaude-opus-5_max | 85.61maxclaude-opus-5_max | 73.17maxclaude-opus-5_max | 99maxclaude-opus-5_max | 93.88maxclaude-opus-5_max | — |
| 8 | GPT-6 Sol | 30.86maxgpt-6-sol_max | 89.82maxgpt-6-sol_max | 90maxgpt-6-sol_max | 83unknowngpt-6-sol_unknown | 94.32maxgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 19.43maxgpt-6-luna_max | 78.95maxgpt-6-luna_max | 56.1maxgpt-6-luna_max | 64unknowngpt-6-luna_unknown | 90.47maxgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 22.57xhighclaude-haiku-5-5_xhigh | 75.09maxclaude-haiku-5-5_max | 46.34maxclaude-haiku-5-5_max | 89maxclaude-haiku-5-5_max | 89.65maxclaude-haiku-5-5_max | 30.12unknownclaude-haiku-5-5_unknown |
| 11 | Claude Mythos Preview | — | — | — | — | — | — |
Epoch AI 基准
数据来源: Epoch AI, CC BY 4.0 ↗ · 更新于 2026-10-15
CritPt · 更新于 2026-10-15
FrontierMath Tiers 1-3 · 更新于 2026-10-15
FrontierMath Tier 4 · 更新于 2026-10-15
ProofBench · 更新于 2026-10-12
GPQA Diamond · 更新于 2026-10-15
Humanity's Last Exam · 更新于 2026-10-07
PandaNpc 更新于 2026年10月21日 UTC 06:01
数据来源: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
列说明
- 序号
- 仅表示当前显示顺序；排序会改变序号，它不是官方能力排名。
- 模型
- 显示被评测模型的名称及厂商图标；评分中的破折号表示此处暂无已发布成绩，不代表零分。
- CritPt研究级物理问题
- 测试对现代物理各领域未公开的研究级问题进行推理的能力。 评测方法说明 ↗
- FrontierMath Tiers 1-3前沿数学 — 第 1–3 级
- 测试第 1–3 难度级别的高难度原创数学问题，不应与更难的第 4 级成绩混为一谈。 评测方法说明 ↗
- FrontierMath Tier 4前沿数学 — 第 4 级
- 单独测试 FrontierMath 中最困难的研究级第 4 级问题，与第 1–3 级分开计分。 评测方法说明 ↗
- ProofBench形式化数学证明基准
- 测试生成可由形式化验证器检查的数学证明的能力。 评测方法说明 ↗
- GPQA Diamond研究生级问答 — Diamond
- 测试需要专业知识与推理的高难度研究生级科学问题。 评测方法说明 ↗
- Humanity's Last Exam人类终极考试
- 测试多个学科的高难度专家级问答；它是问答基准，与智能体工作任务基准 Agents' Last Exam 不同。 评测方法说明 ↗
请在同一基准、来源和版本内解读分数。数值越高表示该指标上的表现越强，但不同列并不使用统一量表。