BenchLeader

METR Time Horizons 排行榜

截至 2026年11月16日,METR Time Horizons 的最高分为 85.2%,由 Claude Mythos Preview(Anthropic)取得,领先于 Claude Opus 4.6(78.9%)。共有 41 个模型配置公布了结果(METR,结果日期 2026年4月7日)。时长逐步增加的软件和研究任务;METR 拟合出模型成功率为一半时对应的任务时长。METR Time Horizons 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Claude Mythos Preview 以 85.2% 保持 METR Time Horizons 最高分(METR,2026年4月7日)。
  • Claude Opus 4.6 以 78.9% 位列 METR Time Horizons 第二(METR,2026年2月5日)。
  • METR Time Horizons:METR 用于计算 50% 时间跨度的任务集(METR)。
  • BenchLeader 上有 41 个模型配置公布了 METR Time Horizons 结果(BenchLeader,2026年11月16日)。
  • METR Time Horizons 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

METR 用于计算 50% 时间跨度的任务集。

发布方
METR数据经由 Epoch AI Benchmarking Hub
类别
智能体与工具
Index 权重
仅作参考
模型
41
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

时长逐步增加的软件和研究任务;METR 拟合出模型成功率为一半时对应的任务时长。

评分方式

整套任务的平均成功率,由 METR 发布。

注意事项

METR 的主要数字是拟合出的时间跨度;这里显示的是其背后的成功率。

41 / 41
#
1Claude Mythos Preview85.2%–2026-04-07
2Claude Opus 4.678.9%62.12026-02-05
3Gemini 3.1 Pro77.0%59.92026-02-19
4GPT-5.2high75.3%55.82025-12-11
5Claude Opus 4.575.0%57.12025-11-24
6GPT-5.3-Codex74.5%–2026-02-05
7GPT-5.4xhigh74.3%63.12026-03-05
8Gemini 3 Pro71.0%60.02025-11-18
9GPT-5.1-Codex-Maxmax70.8%–2025-11-19
10GPT-5medium69.6%59.02025-08-07
11GPT-5high69.4%58.22025-08-07
12Claude Sonnet 4.567.4%53.82025-09-29
13Claude Opus 4.166.8%51.12025-08-05
14Grok 466.6%58.12025-07-09
15o3medium65.4%53.32025-04-16
16Claude Opus 463.9%51.92025-05-22
17o4-minimedium63.9%51.72025-04-16
18o363.6%60.42025-04-16
19Claude Sonnet 462.0%50.02025-05-22
20Claude 3.7 Sonnet60.0%49.22025-02-24
21Kimi K2 Thinkingthinking59.2%52.32025-11-06
22gpt-oss-120b56.6%46.12025-08-05
23Gemini 2.5 Pro55.4%55.22025-06-05
24DeepSeek R1 052853.8%49.12025-05-28
25DeepSeek R151.9%47.22025-01-20
26o1medium51.0%47.92024-12-17
27DeepSeek V3 032449.6%46.92025-03-24
28DeepSeek V347.4%44.32024-12-26
29Claude 3.5 Sonnet45.2%46.82024-10-22
30o145.1%52.52024-09-12
31GPT-4o40.8%42.82024-05-13
32GPT-4 Turbo36.7%41.12024-04-09
33GPT-436.1%42.32023-03-14
34Qwen2.5 72B35.8%43.12024-09-19
35GPT 4 012535.2%–2024-01-25
36Qwen2-72B29.9%41.22024-06-07
37Claude 3 Opus29.5%38.82024-02-29
38GPT-4 110628.9%–2023-11-06
39GPT-3.5-turbo21.5%–2023-09-18
40Davinci 00216.2%––
41Gpt2 Xl10.1%–2019-11-05

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,《METR Time Horizons 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/metr_time_horizons。

METR Time Horizons:常见问题

METR Time Horizons 衡量的是什么?
时长逐步增加的软件和研究任务;METR 拟合出模型成功率为一半时对应的任务时长。分数以完成任务的百分比表示,越高越好。
METR Time Horizons 的最高分是多少?
截至 2026年11月16日,METR Time Horizons 的最高分为 85.2%,由 Claude Mythos Preview 取得(结果日期 2026年4月7日),领先于 Claude Opus 4.6(78.9%)。分数来自 METR,每天重新读取。
哪个 AI 模型在 METR Time Horizons 上领先?
截至 2026年11月16日,METR Time Horizons 排名第一的是 Claude Mythos Preview,分数为 85.2%(结果日期 2026年4月7日)。其后为 Claude Opus 4.6(78.9%)。
有多少模型有 METR Time Horizons 结果?
BenchLeader 上有 41 个模型配置有 METR Time Horizons 结果,全部取自 METR(经由 Epoch AI Benchmarking Hub)。
METR Time Horizons 由谁运行,多久更新一次?
METR Time Horizons 由 METR 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。
METR Time Horizons 是否计入 BenchLeader Index?
不计入。METR Time Horizons 仅作参考展示,不计入综合分数。