BenchLeader

EnigmaEval 排行榜

截至 2026年11月16日,EnigmaEval 的最高分为 39.3%,由 Claude Fable 5(Anthropic)取得,领先于 GPT-5.6 Sol(37.1%)。共有 5 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年3月23日)。EnigmaEval 采用解谜寻宝(puzzle hunt)的谜题,它们在多个步骤中结合文字游戏、图片、密码和横向思维,要求给出最终答案。EnigmaEval 计入 BenchLeader Index 的推理得分。

要点(截至 2026年11月16日)

  • Claude Fable 5 以 39.3% 保持 EnigmaEval 最高分(Scale AI SEAL,2026年3月23日)。
  • GPT-5.6 Sol 以 37.1% 位列 EnigmaEval 第二(Scale AI SEAL,2026年3月25日)。
  • EnigmaEval:解谜寻宝(Puzzle Hunt)式的多步推理。Scale AI(Scale AI SEAL)。
  • BenchLeader 上有 5 个模型配置公布了 EnigmaEval 结果(BenchLeader,2026年11月16日)。
  • EnigmaEval 计入 BenchLeader Index 的推理类别(BenchLeader 方法论)。

解谜寻宝(Puzzle Hunt)式的多步推理。Scale AI。

发布方
Scale AI SEAL
类别
推理
Index 权重
0.5
模型
5
数据截至
2026年11月16日

Scale AI SEAL Leaderboards.

测试内容

EnigmaEval 采用解谜寻宝(puzzle hunt)的谜题,它们在多个步骤中结合文字游戏、图片、密码和横向思维,要求给出最终答案。

评分方式

解出谜题的百分比,由 Scale AI 发布。

注意事项

所有模型的分数都很低;谜题是多模态的且风格古怪,所以它是前沿推理能力的信号,而不是通用测试。

5 / 5
#
1Claude Fable 5high39.3%63.92026-03-23
2GPT-5.6 Solhigh37.1%63.42026-03-25
3Gemini 3.1 Prohigh36.8%60.42025-11-06
4Gemini 3.5 Flashhigh25.4%62.52025-11-19
5Claude Opus 4.8xhigh23.5%–2026-03-10

更多推理基准测试 · 全部大模型基准测试

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

EnigmaEval:常见问题

EnigmaEval 衡量的是什么?
EnigmaEval 采用解谜寻宝(puzzle hunt)的谜题,它们在多个步骤中结合文字游戏、图片、密码和横向思维,要求给出最终答案。分数以完成任务的百分比表示,越高越好。
EnigmaEval 的最高分是多少?
截至 2026年11月16日,EnigmaEval 的最高分为 39.3%,由 Claude Fable 5 取得(结果日期 2026年3月23日),领先于 GPT-5.6 Sol(37.1%)。分数来自 Scale AI SEAL,每天重新读取。
哪个 AI 模型在 EnigmaEval 上领先?
截至 2026年11月16日,EnigmaEval 排名第一的是 Claude Fable 5,分数为 39.3%(结果日期 2026年3月23日)。其后为 GPT-5.6 Sol(37.1%)。
有多少模型有 EnigmaEval 结果?
BenchLeader 上有 5 个模型配置有 EnigmaEval 结果,全部取自 Scale AI SEAL。
EnigmaEval 由谁运行,多久更新一次?
EnigmaEval 由 Scale AI SEAL 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。
EnigmaEval 是否计入 BenchLeader Index?
计入。EnigmaEval 计入 BenchLeader Index 的推理类别,并经过归一化,使参评模型的平均值为 50。