BenchLeader

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。

发布方
Artificial Analysis
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。

135 / 135
#
1新Claude Fable 5.2max76.5%72.72026-11-09
2新Claude Fable 5.2xhigh73.5%69.72026-11-09
3新Claude Fable 5.2high73.0%68.42026-11-09
4GPT-6 Astramedium72.0%64.42026-09-03
5GPT-6 Astrahigh71.5%66.32026-09-03
6GPT-6 Astraxhigh71.0%66.02026-09-03
7GPT-6 Astramax70.5%67.32026-09-03
8GPT-6.1 Solmax69.5%66.62026-09-29
9GPT-6.1 Solxhigh69.5%63.62026-09-29
10Gemini 4 Carbonhigh69.0%68.92026-10-28
11Gemini 4 Carbonmedium69.0%65.82026-10-28
12GPT-6.1 Solhigh68.5%63.42026-09-29
13Claude Opus 5.5max68.0%68.42026-09-22
14GPT-6.1 Terramax68.0%64.12026-10-26
15Claude Opus 5.5xhigh67.5%65.42026-09-22
16GPT-6.1 Solmedium67.0%62.72026-09-29
17GPT-6 Solmax66.5%62.62026-09-22
18新Gemini 4 Hydrogenxhigh66.0%61.82026-11-12
19Gemini 4 Carbonlow65.0%60.12026-10-28
20GPT-6 Astralow63.0%62.02026-09-03
21GPT-6.1 Sollow62.5%60.02026-09-29
22Claude Fable 5.1high62.0%63.72026-09-01
23新Claude Fable 5.2medium61.5%66.32026-11-09
24新Gemini 4 Hydrogenhigh61.5%63.42026-11-12
25GPT-6.1 Terrahigh61.5%59.62026-10-26
26新Gemini 4 Hydrogenmedium61.0%–2026-11-12
27GPT-6.1 Terraxhigh60.5%60.02026-10-26
28GPT-5.6 Solmax60.0%65.32026-07-09
29新Claude Fable 5.2low60.0%65.32026-11-09
30Claude Fable 5.1xhigh60.0%64.62026-09-01
31Claude Opus 5.5high59.5%66.02026-09-22
32Claude Sonnet 5.5max59.0%64.22026-09-28
33Claude Fable 5.1medium58.5%61.72026-09-01
34Claude Sonnet 5.5xhigh57.5%62.52026-09-28
35Muse Wonder Fullmax56.5%61.72026-10-12
36GPT-6.1 Terramedium56.5%58.52026-10-26
37Claude Opus 5.5medium54.0%61.22026-09-22
38Gemini 4 Argonmedium53.5%61.62026-09-30
39Claude Fable 5.1max52.5%66.72026-09-01
40Gemini 4 Argonhigh52.5%65.32026-09-30
41Claude Sonnet 5.5high51.5%59.52026-09-28
42Muse Wonderhigh51.0%56.22026-10-12
43Muse Wondermax50.5%60.82026-10-12
44GPT-5.6 Terramax50.5%59.52026-07-09
45GPT-6.1 Terralow50.5%56.62026-10-26
46Claude Opus 5max50.0%65.02026-07-24
47Kimi K3.1 Pro49.5%61.82026-10-23
48Claude Fable 5.1low49.5%58.82026-09-01
49Muse Spark 1.3max48.0%60.62026-09-02
50新Gemini 4 Hydrogenlow48.0%–2026-11-12
51Claude Haiku 5.5xhigh47.5%56.72026-10-07
52Gemini 3.8 Flashhigh46.5%59.42026-09-02
53Gemini 3.8 Flashmedium45.0%60.22026-09-02
54Claude Haiku 5.5high45.0%55.32026-10-07
55Grok 4.7low43.5%55.42026-09-21
56Claude Haiku 5.5max43.5%55.32026-10-07
57GPT-6 Lunamax42.5%55.12026-09-22
58Kimi K3max40.5%60.22026-07-16
59Grok 4.6xhigh40.0%56.12026-08-12
60Hy439.0%56.72026-11-03

更多推理基准测试 · 全部大模型基准测试

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。