PostTrainBench 排行榜
截至 2026年11月16日,PostTrainBench 的最高分为 44.6%,由 Claude Fable 5.1(Anthropic)取得,领先于 Claude Opus 5.5(43.8%)。共有 20 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年9月1日)。智能体必须在一个小模型上运行后训练流程,并达到目标指标。PostTrainBench 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Fable 5.1 以 44.6% 保持 PostTrainBench 最高分(Epoch AI Benchmarking Hub,2026年9月1日)。
- Claude Opus 5.5 以 43.8% 位列 PostTrainBench 第二(Epoch AI Benchmarking Hub,2026年9月22日)。
- PostTrainBench:从头到尾把一个小模型后训练到目标水平(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 20 个模型配置公布了 PostTrainBench 结果(BenchLeader,2026年11月16日)。
- PostTrainBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
从头到尾把一个小模型后训练到目标水平。
- 类别
- 智能体与工具
- Index 权重
- 仅作参考
- 模型
- 20
- 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
智能体必须在一个小模型上运行后训练流程,并达到目标指标。
评分方式
平均分,以公布结果为准。
注意事项
测量过的模型很少;这是一项研究工程任务。
- 1Claude Fable 5.1 (max)44.6%
- 2Claude Opus 5.5 (max)43.8%
- 3GPT-6 Astra (max)41.9%
- 4Gemini 4 Argon (high)40.4%
- 5GPT-6.1 Sol (max)38.8%
- 6Claude Fable 5 (max)37.3%
- 7GLM 5.3 Flash (max)36.8%
- 8Claude Opus 535.7%
- 9GLM 5.3 (max)34.5%
- 10Kimi K331.5%
- 11GPT-5.6 Sol (max)31.0%
- 12Claude Opus 4.8 (max)31.0%
- 13Claude Opus 4.8 (high)30.7%
- 14GLM 5.2 (max)30.4%
- 15Claude Opus 4.7 (xhigh)24.3%
20 / 20
| # | ||||
|---|---|---|---|---|
| 1 | 44.6% | 66.7 | 2026-09-01 | |
| 2 | 43.8% | 68.4 | 2026-09-22 | |
| 3 | 41.9% | 67.3 | 2026-09-03 | |
| 4 | 40.4% | 65.3 | 2026-10-13 | |
| 5 | 38.8% | 66.6 | 2026-09-29 | |
| 6 | 37.3% | 65.1 | 2026-06-09 | |
| 7 | 36.8% | 52.4 | 2026-08-20 | |
| 8 | 35.7% | 63.2 | 2026-07-24 | |
| 9 | 34.5% | 58.8 | 2026-08-14 | |
| 10 | 31.5% | 60.7 | 2026-07-16 | |
| 11 | 31.0% | 65.3 | 2026-07-09 | |
| 12 | 31.0% | 61.1 | 2026-05-28 | |
| 13 | 30.7% | 60.4 | 2026-05-28 | |
| 14 | 30.4% | 58.9 | 2026-06-16 | |
| 15 | 24.3% | 57.0 | 2026-04-16 | |
| 16 | 24.2% | – | 2026-10-12 | |
| 17 | 23.9% | 64.1 | 2026-04-23 | |
| 18 | 22.6% | 56.8 | 2026-07-08 | |
| 19 | 18.1% | 59.9 | 2026-02-19 | |
| 20 | 17.8% | 58.6 | 2026-03-05 |
相关基准测试
PostTrainBench 上的热门模型对比
引用格式:BenchLeader,《PostTrainBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/posttrainbench。
PostTrainBench:常见问题
- PostTrainBench 衡量的是什么?
- 智能体必须在一个小模型上运行后训练流程,并达到目标指标。分数以完成任务的百分比表示,越高越好。
- PostTrainBench 的最高分是多少?
- 截至 2026年11月16日,PostTrainBench 的最高分为 44.6%,由 Claude Fable 5.1 取得(结果日期 2026年9月1日),领先于 Claude Opus 5.5(43.8%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 PostTrainBench 上领先?
- 截至 2026年11月16日,PostTrainBench 排名第一的是 Claude Fable 5.1,分数为 44.6%(结果日期 2026年9月1日)。其后为 Claude Opus 5.5(43.8%)。
- 有多少模型有 PostTrainBench 结果?
- BenchLeader 上有 20 个模型配置有 PostTrainBench 结果,全部取自 Epoch AI Benchmarking Hub。
- PostTrainBench 由谁运行,多久更新一次?
- PostTrainBench 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。
- PostTrainBench 是否计入 BenchLeader Index?
- 不计入。PostTrainBench 仅作参考展示,不计入综合分数。