BenchLeader

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。

发布方
Scale AI SEAL
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。

14 / 14
#
1Gemini 2.5 Pro79.0%55.22025-10-31
2Gemini 2.0 Flash77.8%43.52025-10-31
3Qwen3 8B75.2%–2025-10-31
4Gemini 2.5 Flash68.0%52.42025-10-31
5Llama 3.1 8B66.5%33.02025-10-31
6Llama 3.1 70B55.4%40.72025-10-31
7Gemini 3 Pro52.9%60.02026-01-15
8GPT-4o46.1%42.82025-10-31
9GPT-5.234.4%56.72026-01-15
10o3-mini33.2%50.22025-10-31
11Qwen2.5 32B Instruct22.9%–2025-10-31
12o4-mini15.8%55.22025-10-31
13Claude Sonnet 412.2%50.02025-10-31
14o310.5%60.42025-10-31

更多安全与诚实基准测试 · 全部大模型基准测试

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。