CritPt 排行榜
截至 2026年11月16日,CritPt 的最高分为 35.7%,由 Claude Fable 5.2(Anthropic)取得,领先于 Muse Wonder Full(32.9%)。共有 579 个模型配置公布了结果(Artificial Analysis,结果日期 2026年11月9日)。CritPt 向模型提出未公开的物理研究题,难度相当于博士生的第一个研究项目,由知道答案的研究人员编写。CritPt 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 35.7% 保持 CritPt 最高分(Artificial Analysis,2026年11月9日)。
- Muse Wonder Full 以 32.9% 位列 CritPt 第二(Artificial Analysis,2026年10月12日)。
- CritPt:相当于博士第一个研究项目水平的未公开物理研究题。由 Artificial Analysis 运行。在 BenchLeader Index 中已被 Index v5 的高难度子集取代(Artificial Analysis)。
- BenchLeader 上有 579 个模型配置公布了 CritPt 结果(BenchLeader,2026年11月16日)。
- CritPt 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
相当于博士第一个研究项目水平的未公开物理研究题。由 Artificial Analysis 运行。在 BenchLeader Index 中已被 Index v5 的高难度子集取代。
- 类别
- 推理
- Index 权重
- 仅作参考
- 模型
- 579
- 数据截至
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
该排行榜已冻结。如今沿用这个名称的是另一项较新的测试,其分数见 CritPt v2 hard subset (AA)。
测试内容
CritPt 向模型提出未公开的物理研究题,难度相当于博士生的第一个研究项目,由知道答案的研究人员编写。
评分方式
准确率百分比。由 Artificial Analysis 运行。
注意事项
完整排行榜留作历史记录。BenchLeader Index 改用 CritPt v2 困难子集(Intelligence Index v5 采用的版本),以免同一领域被重复计算。
- 1Claude Fable 5.2 (xhigh)35.7%
- 2Claude Fable 5.2 (max)35.4%
- 3Claude Fable 5.2 (high)32.9%
- 4Muse Wonder Full (max)32.9%
- 5GPT-5.6 Sol (max)32.3%
- 6Claude Opus 5.5 (max)31.7%
- 7GPT-6 Astra (max)31.7%
- 8GPT-6.1 Sol (max)31.7%
- 9Claude Opus 5.5 (xhigh)31.7%
- 10GPT-6.1 Sol (xhigh)31.7%
- 11GPT-6 Astra (xhigh)31.4%
- 12Claude Sonnet 5.5 (max)31.4%
- 13Claude Fable 5.1 (xhigh)31.1%
- 14Claude Sonnet 5.5 (xhigh)31.1%
- 15Claude Fable 5.2 (medium)30.9%
| # | ||||
|---|---|---|---|---|
| 1 | 新 | 35.7% | 69.7 | 2026-11-09 |
| 2 | 新 | 35.4% | 72.7 | 2026-11-09 |
| 3 | 新 | 32.9% | 68.4 | 2026-11-09 |
| 4 | 32.9% | 61.7 | 2026-10-12 | |
| 5 | 32.3% | 65.3 | 2026-07-09 | |
| 6 | 31.7% | 68.4 | 2026-09-22 | |
| 7 | 31.7% | 67.3 | 2026-09-03 | |
| 8 | 31.7% | 66.6 | 2026-09-29 | |
| 9 | 31.7% | 65.4 | 2026-09-22 | |
| 10 | 31.7% | 63.6 | 2026-09-29 | |
| 11 | 31.4% | 66.0 | 2026-09-03 | |
| 12 | 31.4% | 64.2 | 2026-09-28 | |
| 13 | 31.1% | 64.6 | 2026-09-01 | |
| 14 | 31.1% | 62.5 | 2026-09-28 | |
| 15 | 新 | 30.9% | 66.3 | 2026-11-09 |
| 16 | 30.9% | 66.0 | 2026-09-22 | |
| 17 | 30.9% | 62.6 | 2026-09-22 | |
| 18 | 30.6% | – | 2026-04-23 | |
| 19 | 30.3% | 63.7 | 2026-09-01 | |
| 20 | 30.0% | 63.4 | 2026-09-29 | |
| 21 | 30.0% | 59.5 | 2026-07-09 | |
| 22 | 30.0% | 59.5 | 2026-03-05 | |
| 23 | 29.7% | 66.7 | 2026-09-01 | |
| 24 | 新 | 29.4% | 65.3 | 2026-11-09 |
| 25 | 29.1% | 65.0 | 2026-07-24 | |
| 26 | 29.1% | 64.4 | 2026-09-03 | |
| 27 | 29.1% | 61.7 | 2026-09-01 | |
| 28 | 28.9% | 66.3 | 2026-09-03 | |
| 29 | 28.6% | 65.1 | 2026-06-09 | |
| 30 | 28.6% | 63.9 | 2026-07-09 | |
| 31 | 28.3% | 64.4 | 2026-07-24 | |
| 32 | 28.3% | 60.8 | 2026-10-12 | |
| 33 | 28.0% | 64.1 | 2026-10-26 | |
| 34 | 28.0% | 58.4 | 2026-09-22 | |
| 35 | 27.7% | 62.7 | 2026-09-29 | |
| 36 | 27.7% | 61.2 | 2026-09-22 | |
| 37 | 27.7% | 60.1 | 2026-07-24 | |
| 38 | 27.7% | 58.8 | 2026-09-01 | |
| 39 | 27.1% | 65.3 | 2026-09-30 | |
| 40 | 27.1% | 64.1 | 2026-04-23 | |
| 41 | 27.1% | 60.1 | 2026-07-09 | |
| 42 | 26.9% | 57.5 | 2026-07-24 | |
| 43 | 26.6% | 60.0 | 2026-10-26 | |
| 44 | 26.6% | 57.5 | 2026-09-21 | |
| 45 | 26.3% | 62.0 | 2026-09-03 | |
| 46 | 26.0% | 58.1 | 2026-09-02 | |
| 47 | 26.0% | 50.8 | 2026-10-22 | |
| 48 | 25.7% | 63.4 | 2026-07-09 | |
| 49 | 25.7% | 59.6 | 2026-10-26 | |
| 50 | 25.7% | – | 2026-02-05 | |
| 51 | 25.4% | 63.5 | 2026-04-23 | |
| 52 | 25.4% | 58.1 | 2026-09-22 | |
| 53 | 24.9% | 60.6 | 2026-09-02 | |
| 54 | 24.9% | 60.0 | 2026-09-29 | |
| 55 | 24.6% | 61.8 | 2026-10-23 | |
| 56 | 24.6% | 59.5 | 2026-09-28 | |
| 57 | 24.6% | 56.9 | 2026-09-22 | |
| 58 | 24.0% | 57.7 | 2026-10-17 | |
| 59 | 23.4% | 63.1 | 2026-03-05 | |
| 60 | 23.4% | 60.2 | 2026-07-16 |
相关基准测试
CritPt 上的热门模型对比
引用格式:BenchLeader,《CritPt 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_critpt。
CritPt:常见问题
- CritPt 衡量的是什么?
- CritPt 向模型提出未公开的物理研究题,难度相当于博士生的第一个研究项目,由知道答案的研究人员编写。分数以完成任务的百分比表示,越高越好。
- CritPt 的最高分是多少?
- 截至 2026年11月16日,CritPt 的最高分为 35.7%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 Muse Wonder Full(32.9%)。分数来自 Artificial Analysis,每天重新读取。
- 哪个 AI 模型在 CritPt 上领先?
- 截至 2026年11月16日,CritPt 排名第一的是 Claude Fable 5.2,分数为 35.7%(结果日期 2026年11月9日)。其后为 Muse Wonder Full(32.9%)。
- 有多少模型有 CritPt 结果?
- BenchLeader 上有 579 个模型配置有 CritPt 结果,全部取自 Artificial Analysis。
- CritPt 由谁运行,多久更新一次?
- CritPt 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- CritPt 是否计入 BenchLeader Index?
- 不计入。CritPt 仅作参考展示,不计入综合分数。