PropensityBench 排行榜
截至 2026年11月16日,PropensityBench 的最高分为 10.5%,由 o3(OpenAI)取得,领先于 Claude Sonnet 4(12.2%)。共有 14 个模型配置公布了结果(Scale AI SEAL,结果日期 2025年10月31日)。把智能体放进存在有害捷径、压力不断加大的情境中;分数是它走捷径的频率。PropensityBench 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- o3 以 10.5% 保持 PropensityBench 最高分(Scale AI SEAL,2025年10月31日)。
- Claude Sonnet 4 以 12.2% 位列 PropensityBench 第二(Scale AI SEAL,2025年10月31日)。
- PropensityBench:智能体在压力下选用有害工具的场景比例,越低越好。Scale AI(Scale AI SEAL)。
- BenchLeader 上有 14 个模型配置公布了 PropensityBench 结果(BenchLeader,2026年11月16日)。
- PropensityBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
智能体在压力下选用有害工具的场景比例,越低越好。Scale AI。
- 类别
- 安全与诚实
- Index 权重
- 仅作参考
- 模型
- 14
- 数据截至
- 2026年11月16日
Scale AI SEAL Leaderboards.
测试内容
把智能体放进存在有害捷径、压力不断加大的情境中;分数是它走捷径的频率。
评分方式
倾向性得分,由 Scale AI 发布。
注意事项
这是安全指标,倾向性越低越好;不计入 Index。
- 1o310.5%
- 2Claude Sonnet 412.2%
- 3o4-mini15.8%
- 4Qwen2.5 32B Instruct22.9%
- 5o3-mini33.2%
- 6GPT-5.234.4%
- 7GPT-4o46.1%
- 8Gemini 3 Pro52.9%
- 9Llama 3.1 70B55.4%
- 10Llama 3.1 8B66.5%
- 11Gemini 2.5 Flash68.0%
- 12Qwen3 8B75.2%
- 13Gemini 2.0 Flash77.8%
- 14Gemini 2.5 Pro79.0%
14 / 14
| # | ||||
|---|---|---|---|---|
| 1 | 79.0% | 55.2 | 2025-10-31 | |
| 2 | 77.8% | 43.5 | 2025-10-31 | |
| 3 | 75.2% | – | 2025-10-31 | |
| 4 | 68.0% | 52.4 | 2025-10-31 | |
| 5 | 66.5% | 33.0 | 2025-10-31 | |
| 6 | 55.4% | 40.7 | 2025-10-31 | |
| 7 | 52.9% | 60.0 | 2026-01-15 | |
| 8 | 46.1% | 42.8 | 2025-10-31 | |
| 9 | 34.4% | 56.7 | 2026-01-15 | |
| 10 | 33.2% | 50.2 | 2025-10-31 | |
| 11 | 22.9% | – | 2025-10-31 | |
| 12 | 15.8% | 55.2 | 2025-10-31 | |
| 13 | 12.2% | 50.0 | 2025-10-31 | |
| 14 | 10.5% | 60.4 | 2025-10-31 |
引用格式:BenchLeader,《PropensityBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scale_propensitybench。
PropensityBench:常见问题
- PropensityBench 衡量的是什么?
- 把智能体放进存在有害捷径、压力不断加大的情境中;分数是它走捷径的频率。分数以完成任务的百分比表示,越低越好。
- PropensityBench 的最高分是多少?
- 截至 2026年11月16日,PropensityBench 的最高分为 10.5%,由 o3 取得(结果日期 2025年10月31日),领先于 Claude Sonnet 4(12.2%)。分数来自 Scale AI SEAL,每天重新读取。
- 哪个 AI 模型在 PropensityBench 上领先?
- 截至 2026年11月16日,PropensityBench 排名第一的是 o3,分数为 10.5%(结果日期 2025年10月31日)。其后为 Claude Sonnet 4(12.2%)。
- 有多少模型有 PropensityBench 结果?
- BenchLeader 上有 14 个模型配置有 PropensityBench 结果,全部取自 Scale AI SEAL。
- PropensityBench 由谁运行,多久更新一次?
- PropensityBench 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。
- PropensityBench 是否计入 BenchLeader Index?
- 不计入。PropensityBench 仅作参考展示,不计入综合分数。