MASK 排行榜
截至 2026年11月16日,MASK 的最高分为 96.3%,由 Claude Opus 4.6(Anthropic)取得,领先于 Claude Sonnet 4.5(96.1%)。共有 65 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年2月17日)。MASK 把诚实与准确区分开来:先引出模型的真实看法,再施压让它说出相反的话,诚实与否就看它能否坚持。MASK 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Opus 4.6 以 96.3% 保持 MASK 最高分(Scale AI SEAL,2026年2月17日)。
- Claude Sonnet 4.5 以 96.1% 位列 MASK 第二(Scale AI SEAL,2025年10月2日)。
- MASK:在被施压说谎时,模型是否仍说出自己的真实判断。Scale AI(Scale AI SEAL)。
- BenchLeader 上有 65 个模型配置公布了 MASK 结果(BenchLeader,2026年11月16日)。
- MASK 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
在被施压说谎时,模型是否仍说出自己的真实判断。Scale AI。
Scale AI SEAL 将这 65 个结果中的 38 个标记为可能受到污染:模型是在题目公开之后才接受评测的,题目可能已经进入其训练数据。这些分数同样列在下表中;本排行榜不计入 Index。
- 类别
- 安全与诚实
- Index 权重
- 仅作参考
- 模型
- 65
- 数据截至
- 2026年11月16日
Scale AI SEAL Leaderboards.
测试内容
MASK 把诚实与准确区分开来:先引出模型的真实看法,再施压让它说出相反的话,诚实与否就看它能否坚持。
评分方式
诚实率,由 Scale AI 与 Center for AI Safety 发布。
注意事项
这是安全与对齐指标;不计入 Index。
- 1Claude Opus 4.6 (none)96.3%
- 2Claude Sonnet 4.5 (thinking)96.1%
- 3Claude Sonnet 4 (thinking)95.3%
- 4Claude Opus 4.1 (thinking)94.2%
- 5Claude Opus 4.5 (thinking)92.5%
- 6gpt-oss-120b92.0%
- 7GPT-5.4 Pro91.7%
- 8GPT-5.4 (thinking)89.7%
- 9Claude Sonnet 489.3%
- 10Claude Opus 4 (thinking)87.9%
- 11Claude Opus 4.187.4%
- 12Claude Opus 4.587.1%
- 13GPT-5.286.7%
- 14gpt-oss-20b86.5%
- 15Claude Sonnet 4.586.4%
65 / 65
| # | |||||
|---|---|---|---|---|---|
| 1 | 96.3% | 58.4 | 2026-02-17 | 可能 | |
| 2 | 96.1% | 52.3 | 2025-10-02 | 可能 | |
| 3 | 95.3% | 53.8 | 2025-05-24 | – | |
| 4 | 94.2% | 58.1 | 2025-08-08 | 可能 | |
| 5 | 92.5% | 59.3 | 2025-11-26 | 可能 | |
| 6 | 92.0% | 46.1 | 2025-08-13 | 可能 | |
| 7 | 91.7% | 63.1 | 2026-03-23 | 可能 | |
| 8 | 89.7% | – | 2026-03-10 | 可能 | |
| 9 | 89.3% | 50.0 | 2025-05-23 | – | |
| 10 | 87.9% | 55.7 | 2025-05-24 | – | |
| 11 | 87.4% | 51.1 | 2025-08-08 | 可能 | |
| 12 | 87.1% | 57.1 | 2025-11-26 | 可能 | |
| 13 | 86.7% | 56.7 | 2025-12-15 | 可能 | |
| 14 | 86.5% | 44.5 | 2025-08-13 | 可能 | |
| 15 | 86.4% | 53.8 | 2025-10-02 | 可能 | |
| 16 | 86.3% | 54.6 | 2025-11-26 | 可能 | |
| 17 | 86.0% | 59.6 | 2025-11-06 | 可能 | |
| 18 | 85.4% | 57.0 | 2026-02-17 | 可能 | |
| 19 | 84.5% | 55.1 | 2025-04-25 | 可能 | |
| 20 | 82.6% | 56.6 | 2025-08-22 | 可能 | |
| 21 | 82.6% | 53.3 | 2025-04-16 | 可能 | |
| 22 | 82.5% | 55.9 | 2025-06-26 | 可能 | |
| 23 | 82.1% | 52.9 | 2025-03-05 | – | |
| 24 | 80.3% | 51.9 | 2025-05-23 | 可能 | |
| 25 | 79.3% | 56.6 | 2025-08-13 | 可能 | |
| 26 | 79.0% | 38.8 | 2025-03-05 | – | |
| 27 | 78.6% | 51.2 | 2025-04-25 | 可能 | |
| 28 | 72.9% | 51.7 | 2025-04-16 | 可能 | |
| 29 | 72.3% | 46.8 | 2025-03-05 | – | |
| 30 | 72.3% | 49.2 | 2025-03-05 | – | |
| 31 | 70.5% | 54.6 | 2026-02-12 | 可能 | |
| 32 | 63.3% | – | 2025-11-26 | 可能 | |
| 33 | 61.6% | – | 2025-03-05 | – | |
| 34 | 61.5% | 51.6 | 2025-08-13 | 可能 | |
| 35 | 61.4% | 41.8 | 2025-03-05 | – | |
| 36 | 61.4% | 36.9 | 2025-04-14 | 可能 | |
| 37 | 60.8% | 46.7 | 2025-08-13 | 可能 | |
| 38 | 60.1% | 42.8 | 2025-03-05 | – | |
| 39 | 59.3% | 52.5 | 2025-03-05 | – | |
| 40 | 57.3% | 47.2 | 2025-03-05 | – | |
| 41 | 56.9% | 50.5 | 2025-03-05 | – | |
| 42 | 56.5% | – | 2025-06-26 | 可能 | |
| 43 | 56.4% | 50.1 | 2025-05-01 | 可能 | |
| 44 | 55.9% | 55.2 | 2025-03-05 | – | |
| 45 | 54.1% | 36.0 | 2025-03-05 | – | |
| 46 | 53.0% | 49.1 | 2025-05-29 | – | |
| 47 | 51.9% | 39.9 | 2025-03-05 | – | |
| 48 | 51.1% | 48.7 | 2025-04-15 | 可能 | |
| 49 | 50.0% | 44.7 | 2025-04-14 | 可能 | |
| 50 | 49.7% | 41.8 | 2025-03-05 | – | |
| 51 | 49.7% | 40.2 | 2026-03-25 | – | |
| 52 | 49.5% | 45.1 | 2025-03-05 | – | |
| 53 | 49.1% | 52.4 | 2026-03-25 | 可能 | |
| 54 | 49.1% | 43.5 | 2025-03-05 | – | |
| 55 | 48.9% | 46.4 | 2025-03-05 | – | |
| 56 | 48.7% | 47.5 | 2025-04-01 | – | |
| 57 | 48.4% | 52.6 | 2026-03-23 | 可能 | |
| 58 | 47.5% | 42.5 | 2025-04-01 | – | |
| 59 | 46.8% | 47.9 | 2025-04-01 | – | |
| 60 | 46.7% | 51.1 | 2025-07-23 | 可能 |
相关基准测试
MASK 上的热门模型对比
引用格式:BenchLeader,《MASK 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scale_mask。
MASK:常见问题
- MASK 衡量的是什么?
- MASK 把诚实与准确区分开来:先引出模型的真实看法,再施压让它说出相反的话,诚实与否就看它能否坚持。分数以完成任务的百分比表示,越高越好。
- MASK 的最高分是多少?
- 截至 2026年11月16日,MASK 的最高分为 96.3%,由 Claude Opus 4.6 取得(结果日期 2026年2月17日),领先于 Claude Sonnet 4.5(96.1%)。分数来自 Scale AI SEAL,每天重新读取。
- 哪个 AI 模型在 MASK 上领先?
- 截至 2026年11月16日,MASK 排名第一的是 Claude Opus 4.6,分数为 96.3%(结果日期 2026年2月17日)。其后为 Claude Sonnet 4.5(96.1%)。
- 有多少模型有 MASK 结果?
- BenchLeader 上有 65 个模型配置有 MASK 结果,全部取自 Scale AI SEAL。
- MASK 由谁运行,多久更新一次?
- MASK 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。
- MASK 是否计入 BenchLeader Index?
- 不计入。MASK 仅作参考展示,不计入综合分数。