BenchLeader

SciPredict 排行榜

截至 2026年11月16日,SciPredict 的最高分为 25.3%,由 Gemini 3 Pro(Google)取得,领先于 Claude Opus 4.5(23.1%)。共有 15 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年1月14日)。给定文献中的一个实验设置,模型预测实验结果,并与论文的发现对照评分。SciPredict 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Gemini 3 Pro 以 25.3% 保持 SciPredict 最高分(Scale AI SEAL,2026年1月14日)。
  • Claude Opus 4.5 以 23.1% 位列 SciPredict 第二(Scale AI SEAL,2026年1月14日)。
  • SciPredict:在科学实验进行之前预测其结果。Scale AI(Scale AI SEAL)。
  • BenchLeader 上有 15 个模型配置公布了 SciPredict 结果(BenchLeader,2026年11月16日)。
  • SciPredict 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

在科学实验进行之前预测其结果。Scale AI。

发布方
Scale AI SEAL
类别
推理
Index 权重
仅作参考
模型
15
数据截至
2026年11月16日

Scale AI SEAL Leaderboards.

测试内容

给定文献中的一个实验设置,模型预测实验结果,并与论文的发现对照评分。

评分方式

准确率,由 Scale AI 发布。

注意事项

测试的是科学直觉;对于已发表的实验,存在数据污染的可能。

15 / 15
#
1Gemini 3 Pro25.3%60.02026-01-14
2Claude Opus 4.523.1%57.12026-01-14
3Claude Sonnet 4.522.6%53.82026-01-14
4Gemini 3 Flash22.2%56.52026-01-14
5Claude Opus 4.122.2%51.12026-01-14
6GPT-5.220.6%56.72026-01-14
7o3-mini19.8%50.22026-01-14
8DeepSeek V319.2%44.32026-01-14
9Llama 3.3 70B18.2%39.92026-01-14
10o317.9%60.42026-01-14
11Gemini 2.5 Pro17.0%55.22026-01-14
12Qwen3 32B17.0%51.22026-01-14
13Qwen3 235B A22B16.6%50.12026-01-14
14o4-mini16.2%55.22026-01-14
15Llama 3.1 8B14.7%33.02026-01-14

更多推理基准测试 · 全部大模型基准测试

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

SciPredict:常见问题

SciPredict 衡量的是什么?
给定文献中的一个实验设置,模型预测实验结果,并与论文的发现对照评分。分数以完成任务的百分比表示,越高越好。
SciPredict 的最高分是多少?
截至 2026年11月16日,SciPredict 的最高分为 25.3%,由 Gemini 3 Pro 取得(结果日期 2026年1月14日),领先于 Claude Opus 4.5(23.1%)。分数来自 Scale AI SEAL,每天重新读取。
哪个 AI 模型在 SciPredict 上领先?
截至 2026年11月16日,SciPredict 排名第一的是 Gemini 3 Pro,分数为 25.3%(结果日期 2026年1月14日)。其后为 Claude Opus 4.5(23.1%)。
有多少模型有 SciPredict 结果?
BenchLeader 上有 15 个模型配置有 SciPredict 结果,全部取自 Scale AI SEAL。
SciPredict 由谁运行,多久更新一次?
SciPredict 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。
SciPredict 是否计入 BenchLeader Index?
不计入。SciPredict 仅作参考展示,不计入综合分数。