CritPt v2 hard subset (AA) 排行榜
截至 2026年11月16日,CritPt v2 hard subset (AA) 的最高分为 76.5%,由 Claude Fable 5.2(Anthropic)取得,领先于 GPT-6 Astra(72.0%)。共有 135 个模型配置公布了结果(Artificial Analysis,结果日期 2026年11月9日)。CritPt v2 困难子集:取自 CritPt v2 的 40 道不公开的物理研究题,用于 Artificial Analysis 的 Intelligence Index v5,可使用代码执行工具。CritPt v2 hard subset (AA) 计入 BenchLeader Index 的推理得分。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 76.5% 保持 CritPt v2 hard subset (AA) 最高分(Artificial Analysis,2026年11月9日)。
- GPT-6 Astra 以 72.0% 位列 CritPt v2 hard subset (AA) 第二(Artificial Analysis,2026年9月3日)。
- CritPt v2 hard subset (AA):CritPt v2 中不公开的 40 道难题子集,可使用代码执行工具,用于 Intelligence Index v5。由 Artificial Analysis 运行(Artificial Analysis)。
- BenchLeader 上有 135 个模型配置公布了 CritPt v2 hard subset (AA) 结果(BenchLeader,2026年11月16日)。
- CritPt v2 hard subset (AA) 计入 BenchLeader Index 的推理类别(BenchLeader 方法论)。
CritPt v2 中不公开的 40 道难题子集,可使用代码执行工具,用于 Intelligence Index v5。由 Artificial Analysis 运行。
- 类别
- 推理
- Index 权重
- 1.0
- 模型
- 135
- 数据截至
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
与此前同名的测试不可比较,旧测试的最终分数保留在 CritPt。
测试内容
CritPt v2 困难子集:取自 CritPt v2 的 40 道不公开的物理研究题,用于 Artificial Analysis 的 Intelligence Index v5,可使用代码执行工具。
评分方式
准确率百分比。由 Artificial Analysis 运行。
注意事项
这是不公开的困难子集,与 Artificial Analysis 同时发布的完整 CritPt 排行榜不同。计入 BenchLeader Index 的 CritPt 结果是这一项。
- 1Claude Fable 5.2 (max)76.5%
- 2Claude Fable 5.2 (xhigh)73.5%
- 3Claude Fable 5.2 (high)73.0%
- 4GPT-6 Astra (medium)72.0%
- 5GPT-6 Astra (high)71.5%
- 6GPT-6 Astra (xhigh)71.0%
- 7GPT-6 Astra (max)70.5%
- 8GPT-6.1 Sol (max)69.5%
- 9GPT-6.1 Sol (xhigh)69.5%
- 10Gemini 4 Carbon (high)69.0%
- 11Gemini 4 Carbon (medium)69.0%
- 12GPT-6.1 Sol (high)68.5%
- 13Claude Opus 5.5 (max)68.0%
- 14GPT-6.1 Terra (max)68.0%
- 15Claude Opus 5.5 (xhigh)67.5%
| # | ||||
|---|---|---|---|---|
| 1 | 新 | 76.5% | 72.7 | 2026-11-09 |
| 2 | 新 | 73.5% | 69.7 | 2026-11-09 |
| 3 | 新 | 73.0% | 68.4 | 2026-11-09 |
| 4 | 72.0% | 64.4 | 2026-09-03 | |
| 5 | 71.5% | 66.3 | 2026-09-03 | |
| 6 | 71.0% | 66.0 | 2026-09-03 | |
| 7 | 70.5% | 67.3 | 2026-09-03 | |
| 8 | 69.5% | 66.6 | 2026-09-29 | |
| 9 | 69.5% | 63.6 | 2026-09-29 | |
| 10 | 69.0% | 68.9 | 2026-10-28 | |
| 11 | 69.0% | 65.8 | 2026-10-28 | |
| 12 | 68.5% | 63.4 | 2026-09-29 | |
| 13 | 68.0% | 68.4 | 2026-09-22 | |
| 14 | 68.0% | 64.1 | 2026-10-26 | |
| 15 | 67.5% | 65.4 | 2026-09-22 | |
| 16 | 67.0% | 62.7 | 2026-09-29 | |
| 17 | 66.5% | 62.6 | 2026-09-22 | |
| 18 | 新 | 66.0% | 61.8 | 2026-11-12 |
| 19 | 65.0% | 60.1 | 2026-10-28 | |
| 20 | 63.0% | 62.0 | 2026-09-03 | |
| 21 | 62.5% | 60.0 | 2026-09-29 | |
| 22 | 62.0% | 63.7 | 2026-09-01 | |
| 23 | 新 | 61.5% | 66.3 | 2026-11-09 |
| 24 | 新 | 61.5% | 63.4 | 2026-11-12 |
| 25 | 61.5% | 59.6 | 2026-10-26 | |
| 26 | 新 | 61.0% | – | 2026-11-12 |
| 27 | 60.5% | 60.0 | 2026-10-26 | |
| 28 | 60.0% | 65.3 | 2026-07-09 | |
| 29 | 新 | 60.0% | 65.3 | 2026-11-09 |
| 30 | 60.0% | 64.6 | 2026-09-01 | |
| 31 | 59.5% | 66.0 | 2026-09-22 | |
| 32 | 59.0% | 64.2 | 2026-09-28 | |
| 33 | 58.5% | 61.7 | 2026-09-01 | |
| 34 | 57.5% | 62.5 | 2026-09-28 | |
| 35 | 56.5% | 61.7 | 2026-10-12 | |
| 36 | 56.5% | 58.5 | 2026-10-26 | |
| 37 | 54.0% | 61.2 | 2026-09-22 | |
| 38 | 53.5% | 61.6 | 2026-09-30 | |
| 39 | 52.5% | 66.7 | 2026-09-01 | |
| 40 | 52.5% | 65.3 | 2026-09-30 | |
| 41 | 51.5% | 59.5 | 2026-09-28 | |
| 42 | 51.0% | 56.2 | 2026-10-12 | |
| 43 | 50.5% | 60.8 | 2026-10-12 | |
| 44 | 50.5% | 59.5 | 2026-07-09 | |
| 45 | 50.5% | 56.6 | 2026-10-26 | |
| 46 | 50.0% | 65.0 | 2026-07-24 | |
| 47 | 49.5% | 61.8 | 2026-10-23 | |
| 48 | 49.5% | 58.8 | 2026-09-01 | |
| 49 | 48.0% | 60.6 | 2026-09-02 | |
| 50 | 新 | 48.0% | – | 2026-11-12 |
| 51 | 47.5% | 56.7 | 2026-10-07 | |
| 52 | 46.5% | 59.4 | 2026-09-02 | |
| 53 | 45.0% | 60.2 | 2026-09-02 | |
| 54 | 45.0% | 55.3 | 2026-10-07 | |
| 55 | 43.5% | 55.4 | 2026-09-21 | |
| 56 | 43.5% | 55.3 | 2026-10-07 | |
| 57 | 42.5% | 55.1 | 2026-09-22 | |
| 58 | 40.5% | 60.2 | 2026-07-16 | |
| 59 | 40.0% | 56.1 | 2026-08-12 | |
| 60 | 39.0% | 56.7 | 2026-11-03 |
相关基准测试
CritPt v2 hard subset (AA) 上的热门模型对比
引用格式:BenchLeader,《CritPt v2 hard subset (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_critpt_hard。
CritPt v2 hard subset (AA):常见问题
- CritPt v2 hard subset (AA) 衡量的是什么?
- CritPt v2 困难子集:取自 CritPt v2 的 40 道不公开的物理研究题,用于 Artificial Analysis 的 Intelligence Index v5,可使用代码执行工具。分数以完成任务的百分比表示,越高越好。
- CritPt v2 hard subset (AA) 的最高分是多少?
- 截至 2026年11月16日,CritPt v2 hard subset (AA) 的最高分为 76.5%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 GPT-6 Astra(72.0%)。分数来自 Artificial Analysis,每天重新读取。
- 哪个 AI 模型在 CritPt v2 hard subset (AA) 上领先?
- 截至 2026年11月16日,CritPt v2 hard subset (AA) 排名第一的是 Claude Fable 5.2,分数为 76.5%(结果日期 2026年11月9日)。其后为 GPT-6 Astra(72.0%)。
- 有多少模型有 CritPt v2 hard subset (AA) 结果?
- BenchLeader 上有 135 个模型配置有 CritPt v2 hard subset (AA) 结果,全部取自 Artificial Analysis。
- CritPt v2 hard subset (AA) 由谁运行,多久更新一次?
- CritPt v2 hard subset (AA) 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 v2 hard subset (AA) 是否计入 BenchLeader Index?
- 计入。CritPt v2 hard subset (AA) 计入 BenchLeader Index 的推理类别,并经过归一化,使参评模型的平均值为 50。