BenchLeader

DTBench 排行榜

截至 2026年11月16日,DTBench 的最高分为 99.2%,由 Claude Fable 5.2(Anthropic)取得,领先于 Claude Opus 5.5(98.9%)。共有 238 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年11月9日)。决策问题,将模型偏好的答案与决策论专家的答案进行比较。DTBench 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 99.2% 保持 DTBench 最高分(Epoch AI Benchmarking Hub,2026年11月9日)。
  • Claude Opus 5.5 以 98.9% 位列 DTBench 第二(Epoch AI Benchmarking Hub,2026年9月22日)。
  • DTBench:决策理论难题,对照专家答案评分(Epoch AI Benchmarking Hub)。
  • BenchLeader 上有 238 个模型配置公布了 DTBench 结果(BenchLeader,2026年11月16日)。
  • DTBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

决策理论难题,对照专家答案评分。

发布方
Epoch AI Benchmarking Hub
类别
推理
Index 权重
仅作参考
模型
238
数据截至
2026年11月16日
最新结果
2026年11月9日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

测试内容

决策问题,将模型偏好的答案与决策论专家的答案进行比较。

评分方式

准确率,由 DTBench 发布。

注意事项

采用决策哲学的框架;参评模型多。

238 / 238
#
1新Claude Fable 5.299.2%65.42026-11-09
2新Claude Fable 5.2xhigh98.9%69.72026-11-09
3Claude Opus 5.5max98.9%68.42026-09-22
4Claude Fable 5max98.4%65.12026-06-09
5新Claude Fable 5.2high98.1%68.42026-11-09
6新Claude Fable 5.2medium98.1%66.32026-11-09
7新Claude Fable 5.2low98.1%65.32026-11-09
8Claude Opus 5high97.9%64.42026-07-24
9Claude Opus 5xhigh97.9%60.12026-07-24
10Claude Fable 5.197.6%66.42026-09-01
11Claude Opus 5max97.6%65.02026-07-24
12Claude Fable 5.1xhigh97.6%64.62026-09-01
13Gemini 4 Argonlow97.6%–2026-10-13
14GPT-6 Astraxhigh97.3%66.02026-09-03
15Claude Opus 5.5xhigh97.3%65.42026-09-22
16Gemini 4 Argonhigh97.3%65.32026-10-13
17Claude Sonnet 5.5max97.3%64.22026-09-28
18GPT-6 Solmax97.3%62.62026-09-22
19Gemini 4 Argonmedium97.3%61.62026-10-13
20Grok 4.6xhigh97.3%56.12026-08-12
21Claude Fable 5xhigh97.3%–2026-06-09
22GPT-6 Astra97.1%66.42026-09-03
23GPT-6 Astramedium97.1%64.42026-09-03
24Claude Fable 5.1medium97.1%61.72026-09-01
25Gemini 3.1 Promedium97.1%–2026-02-19
26Gemini 3.7 Flashhigh96.8%62.12026-08-13
27GPT-6.1 Solmax96.5%66.62026-09-29
28GPT-6 Astrahigh96.5%66.32026-09-03
29Claude Opus 5.5high96.5%66.02026-09-22
30Claude Fable 5high96.5%63.92026-06-09
31Claude Fable 5.1high96.5%63.72026-09-01
32Muse Spark 1.396.5%61.62026-09-02
33Claude Opus 5.5medium96.5%61.22026-09-22
34Grok 4.5high96.5%56.82026-07-08
35GPT-5.5xhigh96.0%64.12026-04-23
36Claude Sonnet 5.5xhigh96.0%62.52026-09-28
37Grok 4.7xhigh96.0%57.42026-09-21
38GPT-5.5 Proxhigh96.0%–2026-04-23
39GPT-5.6 SolPro 模式96.0%–2026-07-09
40GPT-5.6 Solxhigh95.7%63.92026-07-09
41Claude Fable 5medium95.7%–2026-06-09
42Gemini 3.8 Flash95.7%56.42026-09-02
43GPT-5.6 Solmax95.5%65.32026-07-09
44GPT-5.6 Solhigh95.5%63.42026-07-09
45Gemini 3.6 Flashhigh95.5%61.02026-07-21
46Gemini 3.1 Prohigh95.5%60.42026-02-19
47Claude Opus 5.5low95.5%58.92026-09-22
48Muse Wonder95.2%64.42026-10-12
49GPT-5.6 Solmedium95.2%61.32026-07-09
50Claude Haiku 5.5max95.0%55.32026-10-07
51GPT-6 Astralow94.9%62.02026-09-03
52Claude Opus 4.8max94.9%61.12026-05-28
53Gemini 3.8 Flashmedium94.9%60.22026-09-02
54Claude Opus 5medium94.9%57.52026-07-24
55Gemini 3.8 Flashlow94.9%55.92026-09-02
56Gemini 3.1 Prolow94.9%–2026-02-19
57Gemini 3.5 Flashhigh94.7%62.52026-05-19
58Muse Spark 1.2xhigh94.7%61.52026-08-05
59Gemini 3.7 Flashmedium94.7%60.12026-08-13
60Claude Opus 4.7max94.7%59.72026-04-16

更多推理基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《DTBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/dtbench。

DTBench:常见问题

DTBench 衡量的是什么?
决策问题,将模型偏好的答案与决策论专家的答案进行比较。分数以完成任务的百分比表示,越高越好。
DTBench 的最高分是多少?
截至 2026年11月16日,DTBench 的最高分为 99.2%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 Claude Opus 5.5(98.9%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
哪个 AI 模型在 DTBench 上领先?
截至 2026年11月16日,DTBench 排名第一的是 Claude Fable 5.2,分数为 99.2%(结果日期 2026年11月9日)。其后为 Claude Opus 5.5(98.9%)。
有多少模型有 DTBench 结果?
BenchLeader 上有 238 个模型配置有 DTBench 结果,全部取自 Epoch AI Benchmarking Hub。
DTBench 由谁运行,多久更新一次?
DTBench 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。
DTBench 是否计入 BenchLeader Index?
不计入。DTBench 仅作参考展示,不计入综合分数。