BTF-3 排行榜
截至 2026年11月16日,BTF-3 的最高分为 14.9%,由 GLM 5.3 Flash 和 GLM 5.3 并列取得,领先于 GPT-5.5(14.3%)。共有 13 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年8月20日)。二元和数值预测问题,用 Brier 分数和排序概率分数评分并合并。BTF-3 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GLM 5.3 Flash 和 GLM 5.3 以 14.9% 并列 BTF-3 最高分(Epoch AI Benchmarking Hub,2026年11月16日)。
- BTF-3:预测锦标赛的汇总分数(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 13 个模型配置公布了 BTF-3 结果(BenchLeader,2026年11月16日)。
- BTF-3 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
预测锦标赛的汇总分数。
- 类别
- 推理
- Index 权重
- 仅作参考
- 模型
- 13
- 数据截至
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
二元和数值预测问题,用 Brier 分数和排序概率分数评分并合并。
评分方式
合并后的分数,以公布结果为准。
注意事项
模型很少;分数取决于问题的揭晓情况。
- 1GLM 5.3 Flash14.9%
- 2GLM 5.314.9%
- 3GPT-5.5 (high)14.3%
- 4Claude Sonnet 5 (xhigh)14.2%
- 5Muse Spark 1.3 (xhigh)14.1%
- 6Claude Opus 4.8 (high)14.0%
- 7GPT-5.6 Sol (max)13.7%
- 8GPT-5.6 Sol (medium)13.7%
- 9GPT-5.6 Sol (high)13.5%
- 10GPT-6 Astra (low)13.5%
- 11Claude Opus 4.8 (xhigh)13.2%
- 12Claude Fable 5 (high)13.0%
- 13Claude Opus 5 (xhigh)12.0%
13 / 13
| # | ||||
|---|---|---|---|---|
| 1 | 14.9% | 57.8 | 2026-08-20 | |
| 2 | 14.9% | – | 2026-08-14 | |
| 3 | 14.3% | 63.5 | 2026-04-23 | |
| 4 | 14.2% | 55.4 | 2026-06-30 | |
| 5 | 14.1% | 58.1 | 2026-09-02 | |
| 6 | 14.0% | 60.4 | 2026-05-28 | |
| 7 | 13.7% | 65.3 | 2026-07-09 | |
| 8 | 13.7% | 61.3 | 2026-07-09 | |
| 9 | 13.5% | 63.4 | 2026-07-09 | |
| 10 | 13.5% | 62.0 | 2026-09-03 | |
| 11 | 13.2% | – | 2026-05-28 | |
| 12 | 13.0% | 63.9 | 2026-06-09 | |
| 13 | 12.0% | 60.1 | 2026-07-24 |
相关基准测试
BTF-3 上的热门模型对比
引用格式:BenchLeader,《BTF-3 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/btf3。
BTF-3:常见问题
- BTF-3 衡量的是什么?
- 二元和数值预测问题,用 Brier 分数和排序概率分数评分并合并。分数以完成任务的百分比表示,越高越好。
- BTF-3 的最高分是多少?
- 截至 2026年11月16日,BTF-3 的最高分为 14.9%,由 GLM 5.3 Flash 和 GLM 5.3 并列取得,领先于 GPT-5.5(14.3%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 BTF-3 上领先?
- 截至 2026年11月16日,GLM 5.3 Flash 和 GLM 5.3 以 14.9% 并列 BTF-3 第一。
- 有多少模型有 BTF-3 结果?
- BenchLeader 上有 13 个模型配置有 BTF-3 结果,全部取自 Epoch AI Benchmarking Hub。
- BTF-3 由谁运行,多久更新一次?
- BTF-3 由 Epoch AI Benchmarking Hub 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。
- BTF-3 是否计入 BenchLeader Index?
- 不计入。BTF-3 仅作参考展示,不计入综合分数。