BenchLeader

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。

发布方
Epoch AI Benchmarking Hub
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。

23 / 23
#
1Claude Opus 579.6%63.22026-07-24
2Claude Fable 574.5%65.42026-06-09
3Claude Opus 4.870.9%58.72026-05-28
4Grok 4.565.4%59.32026-07-08
5Claude Sonnet 565.3%53.02026-06-30
6GPT-5.553.2%61.02026-04-23
7GPT-5.6 Sol52.6%54.32026-07-09
8Claude Sonnet 4.648.8%57.62026-02-17
9Kimi K348.4%60.72026-07-16
10GPT-5.445.1%57.92026-03-05
11Claude Opus 4.644.1%62.12026-02-05
12Claude Opus 4.743.8%63.12026-04-16
13Muse Spark 1.17.9%62.22026-07-09
14Gemini 3.5 Flash6.7%–2026-05-19
15Grok Build 0.12.4%–2026-05-29
16MiniMax M30.9%56.12026-06-01
17Kimi K2.60.9%55.12026-04-20
18Gemini 3.1 Pro0.8%59.92026-02-19
19Kimi K2.7 Code0.8%53.92026-06-12
20Qwen3.7max0.4%60.02026-05-19
21GLM 5.20.0%51.92026-06-16
22MiniMax M2.70.0%56.62026-03-18
23GLM 5.10.0%55.42026-04-07

更多智能体与工具基准测试 · 全部大模型基准测试

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。