GBAEval 排行榜
截至 2026年11月16日,GBAEval 的最高分为 79.6%,由 Claude Opus 5(Anthropic)取得,领先于 Claude Fable 5(74.5%)。共有 23 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年7月24日)。智能体通过屏幕和按键操作玩 GBA 游戏,按进度评分。GBAEval 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Opus 5 以 79.6% 保持 GBAEval 最高分(Epoch AI Benchmarking Hub,2026年7月24日)。
- Claude Fable 5 以 74.5% 位列 GBAEval 第二(Epoch AI Benchmarking Hub,2026年6月9日)。
- GBAEval:以智能体身份玩 Game Boy Advance 游戏(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 23 个模型配置公布了 GBAEval 结果(BenchLeader,2026年11月16日)。
- GBAEval 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
以智能体身份玩 Game Boy Advance 游戏。
- 类别
- 智能体与工具
- Index 权重
- 仅作参考
- 模型
- 23
- 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
智能体通过屏幕和按键操作玩 GBA 游戏,按进度评分。
评分方式
总分,以公布结果为准。
注意事项
这是游戏类基准测试;题集小。
- 1Claude Opus 579.6%
- 2Claude Fable 574.5%
- 3Claude Opus 4.870.9%
- 4Grok 4.565.4%
- 5Claude Sonnet 565.3%
- 6GPT-5.553.2%
- 7GPT-5.6 Sol52.6%
- 8Claude Sonnet 4.648.8%
- 9Kimi K348.4%
- 10GPT-5.445.1%
- 11Claude Opus 4.644.1%
- 12Claude Opus 4.743.8%
- 13Muse Spark 1.17.9%
- 14Gemini 3.5 Flash6.7%
- 15Grok Build 0.12.4%
23 / 23
| # | ||||
|---|---|---|---|---|
| 1 | 79.6% | 63.2 | 2026-07-24 | |
| 2 | 74.5% | 65.4 | 2026-06-09 | |
| 3 | 70.9% | 58.7 | 2026-05-28 | |
| 4 | 65.4% | 59.3 | 2026-07-08 | |
| 5 | 65.3% | 53.0 | 2026-06-30 | |
| 6 | 53.2% | 61.0 | 2026-04-23 | |
| 7 | 52.6% | 54.3 | 2026-07-09 | |
| 8 | 48.8% | 57.6 | 2026-02-17 | |
| 9 | 48.4% | 60.7 | 2026-07-16 | |
| 10 | 45.1% | 57.9 | 2026-03-05 | |
| 11 | 44.1% | 62.1 | 2026-02-05 | |
| 12 | 43.8% | 63.1 | 2026-04-16 | |
| 13 | 7.9% | 62.2 | 2026-07-09 | |
| 14 | 6.7% | – | 2026-05-19 | |
| 15 | 2.4% | – | 2026-05-29 | |
| 16 | 0.9% | 56.1 | 2026-06-01 | |
| 17 | 0.9% | 55.1 | 2026-04-20 | |
| 18 | 0.8% | 59.9 | 2026-02-19 | |
| 19 | 0.8% | 53.9 | 2026-06-12 | |
| 20 | 0.4% | 60.0 | 2026-05-19 | |
| 21 | 0.0% | 51.9 | 2026-06-16 | |
| 22 | 0.0% | 56.6 | 2026-03-18 | |
| 23 | 0.0% | 55.4 | 2026-04-07 |
相关基准测试
GBAEval 上的热门模型对比
引用格式:BenchLeader,《GBAEval 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/gbaeval。
GBAEval:常见问题
- GBAEval 衡量的是什么?
- 智能体通过屏幕和按键操作玩 GBA 游戏,按进度评分。分数以完成任务的百分比表示,越高越好。
- GBAEval 的最高分是多少?
- 截至 2026年11月16日,GBAEval 的最高分为 79.6%,由 Claude Opus 5 取得(结果日期 2026年7月24日),领先于 Claude Fable 5(74.5%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 GBAEval 上领先?
- 截至 2026年11月16日,GBAEval 排名第一的是 Claude Opus 5,分数为 79.6%(结果日期 2026年7月24日)。其后为 Claude Fable 5(74.5%)。
- 有多少模型有 GBAEval 结果?
- BenchLeader 上有 23 个模型配置有 GBAEval 结果,全部取自 Epoch AI Benchmarking Hub。
- GBAEval 由谁运行,多久更新一次?
- GBAEval 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。
- GBAEval 是否计入 BenchLeader Index?
- 不计入。GBAEval 仅作参考展示,不计入综合分数。