BenchLeader

ForecastBench 排行榜

截至 2026年11月16日,ForecastBench 的最高分为 66.7%,由 GPT-5.5(OpenAI)取得,领先于 GPT-6 Astra(66.6%)。共有 89 个模型配置公布了结果(ForecastBench,结果日期 2026年4月23日)。模型预测现实世界的问题;随着问题揭晓逐步计分,并与超级预测者比较。ForecastBench 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • GPT-5.5 以 66.7% 保持 ForecastBench 最高分(ForecastBench,2026年4月23日)。
  • GPT-6 Astra 以 66.6% 位列 ForecastBench 第二(ForecastBench,2026年9月3日)。
  • ForecastBench:预测真实的未来事件,在事件揭晓时评分(ForecastBench)。
  • BenchLeader 上有 89 个模型配置公布了 ForecastBench 结果(BenchLeader,2026年11月16日)。
  • ForecastBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

预测真实的未来事件,在事件揭晓时评分。

发布方
ForecastBench数据经由 Epoch AI Benchmarking Hub
类别
推理
Index 权重
仅作参考
模型
89
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

模型预测现实世界的问题;随着问题揭晓逐步计分,并与超级预测者比较。

评分方式

基于 Brier 分数的总分,由 ForecastBench 发布。

注意事项

分数会随着事件揭晓而变化;Brier 分数越低越好,网站对其做了重新换算。

89 / 89
#
1GPT-5.5high66.7%63.52026-04-23
2GPT-6 Astrahigh66.6%66.32026-09-03
3Claude Opus 5max66.6%65.02026-07-24
4Gemini 3.7 Flashhigh66.2%62.12026-08-13
5Claude Opus 4.8max66.1%61.12026-05-28
6GPT-5.6 Solmedium66.0%61.32026-07-09
7Claude Fable 5max65.9%65.12026-06-09
8Grok 4.5high65.8%56.82026-07-08
9GPT-5.6 SolPro 模式65.8%–2026-07-09
10GPT-5.6 Solmax65.7%65.32026-07-09
11Claude Fable 5high65.7%63.92026-06-09
12Claude Fable 5.1medium65.7%61.72026-09-01
13Gemini 3.6 Flashmedium65.7%–2026-07-21
14Muse Spark 1.3max65.5%60.62026-09-02
15Grok 4.6xhigh65.4%56.12026-08-12
16Gemini 3.1 Prohigh65.2%60.42026-02-19
17Gemini 3 Pro65.0%60.02025-11-18
18GPT-565.0%56.62025-08-07
19Grok 464.7%58.12025-07-09
20Claude Opus 4.564.6%57.12025-11-24
21Grok 4.1 Fastthinking64.6%55.32025-11-19
22Grok 4 Fast64.6%–2025-09-19
23GPT-4.564.5%50.52025-02-27
24Gemini 3 Flash64.4%56.52025-12-17
25Claude Opus 4.164.4%51.12025-08-05
26o364.3%60.42025-04-16
27GPT-5.564.2%61.02026-04-23
28Kimi K3max64.2%60.22026-07-16
29Gemini 2.5 Pro64.2%55.22025-03-31
30Gemini 3.1 Pro64.1%59.92026-02-19
31Grok 4.20thinking64.1%58.32026-02-17
32Claude Sonnet 4.664.0%57.62026-02-17
33MiniMax M364.0%56.12026-06-01
34Gemini 3.5 Flash64.0%–2026-05-19
35o4-mini63.9%55.22025-04-16
36Claude Sonnet 4.563.9%53.82025-09-29
37Qwen3 235B A22B63.9%50.12025-04-29
38Claude Sonnet 463.9%50.02025-05-22
39GPT-5.263.8%56.72025-12-11
40Claude 3.7 Sonnet63.7%49.22025-02-24
41o3-mini63.5%50.22025-01-31
42GLM-563.4%54.92026-02-11
43Grok 4.363.2%54.52026-04-17
44Claude Opus 4.663.1%62.12026-02-05
45Claude Sonnet 563.1%53.02026-06-30
46Claude Haiku 4.563.1%47.72025-10-15
47Grok 4.2063.1%–2026-02-17
48GPT-5.463.0%57.92026-03-05
49GPT-5 mini63.0%56.62025-08-07
50Claude 3.5 Sonnet62.9%46.82024-10-22
51GPT-4 Turbo62.9%41.12024-04-09
52Claude Opus 4.762.8%63.12026-04-16
53Gemini 2.5 Flash62.7%52.42025-06-17
54Gemini 3.1 Flash Lite62.6%52.62026-03-03
55Claude Opus 4.862.4%58.72026-05-28
56Kimi K2 090562.4%51.72025-09-05
57DeepSeek V362.4%44.32024-12-26
58Llama 3.1 405B62.3%41.82024-07-23
59Claude 3 Opus62.1%38.82024-02-29
60GPT-5.162.0%56.12025-11-13

更多推理基准测试 · 全部大模型基准测试

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

ForecastBench:常见问题

ForecastBench 衡量的是什么?
模型预测现实世界的问题;随着问题揭晓逐步计分,并与超级预测者比较。分数以完成任务的百分比表示,越高越好。
ForecastBench 的最高分是多少?
截至 2026年11月16日,ForecastBench 的最高分为 66.7%,由 GPT-5.5 取得(结果日期 2026年4月23日),领先于 GPT-6 Astra(66.6%)。分数来自 ForecastBench,每天重新读取。
哪个 AI 模型在 ForecastBench 上领先?
截至 2026年11月16日,ForecastBench 排名第一的是 GPT-5.5,分数为 66.7%(结果日期 2026年4月23日)。其后为 GPT-6 Astra(66.6%)。
有多少模型有 ForecastBench 结果?
BenchLeader 上有 89 个模型配置有 ForecastBench 结果,全部取自 ForecastBench(经由 Epoch AI Benchmarking Hub)。
ForecastBench 由谁运行,多久更新一次?
ForecastBench 由 ForecastBench 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。
ForecastBench 是否计入 BenchLeader Index?
不计入。ForecastBench 仅作参考展示,不计入综合分数。