BenchLeader

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。

发布方
Epoch AI Benchmarking Hub
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。

13 / 13
#
1GLM 5.3 Flash14.9%57.82026-08-20
2GLM 5.314.9%–2026-08-14
3GPT-5.5high14.3%63.52026-04-23
4Claude Sonnet 5xhigh14.2%55.42026-06-30
5Muse Spark 1.3xhigh14.1%58.12026-09-02
6Claude Opus 4.8high14.0%60.42026-05-28
7GPT-5.6 Solmax13.7%65.32026-07-09
8GPT-5.6 Solmedium13.7%61.32026-07-09
9GPT-5.6 Solhigh13.5%63.42026-07-09
10GPT-6 Astralow13.5%62.02026-09-03
11Claude Opus 4.8xhigh13.2%–2026-05-28
12Claude Fable 5high13.0%63.92026-06-09
13Claude Opus 5xhigh12.0%60.12026-07-24

更多推理基准测试 · 全部大模型基准测试

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。