SimpleBench 排行榜
截至 2026年11月16日,SimpleBench 的最高分为 94.9%,由 Claude Fable 5.2(Anthropic)取得,领先于 Gemini 4 Carbon(92.6%)。共有 111 个模型配置公布了结果(SimpleBench,结果日期 2026年11月9日)。SimpleBench 提出普通人觉得简单、模型却觉得难的陷阱题:空间和时间推理、社交情境,以及带有无关细节、诱导模型给出背诵式答案的谜题。人类基线约为 84%。SimpleBench 计入 BenchLeader Index 的推理得分。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 94.9% 保持 SimpleBench 最高分(SimpleBench,2026年11月9日)。
- Gemini 4 Carbon 以 92.6% 位列 SimpleBench 第二(SimpleBench,2026年11月10日)。
- SimpleBench:人类正确率约 84% 的陷阱题:考察时空推理和社交智能(SimpleBench)。
- BenchLeader 上有 111 个模型配置公布了 SimpleBench 结果(BenchLeader,2026年11月16日)。
- SimpleBench 计入 BenchLeader Index 的推理类别(BenchLeader 方法论)。
人类正确率约 84% 的陷阱题:考察时空推理和社交智能。
- 发布方
- SimpleBench数据经由 Epoch AI Benchmarking Hub
- 类别
- 推理
- Index 权重
- 1.0
- 模型
- 111
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月10日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
SimpleBench 提出普通人觉得简单、模型却觉得难的陷阱题:空间和时间推理、社交情境,以及带有无关细节、诱导模型给出背诵式答案的谜题。人类基线约为 84%。
评分方式
答对选择题的百分比,由基准测试作者用固定提示词运行。
注意事项
题量小,几道题就能改变分数;题目不公开,也限制了对单个题目的审查。正因为它惩罚模式匹配,所以是知识类测试的良好补充。
- 1Claude Fable 5.294.9%
- 2Gemini 4 Carbon92.6%
- 3Gemini 4 Argon91.7%
- 4Claude Opus 5.588.4%
- 5Claude Fable 5.186.6%
- 6GPT-6 Astra (pro)86.5%
- 7GPT-6 Astra83.6%
- 8GPT-6.1 Sol82.9%
- 9Gemini 3.8 Flash82.4%
- 10Claude Fable 5 (max)81.9%
- 11Muse Spark 1.381.8%
- 12Claude Opus 580.6%
- 13Gemini 3.1 Pro79.6%
- 14GPT-5.5 Pro (high)76.9%
- 15GPT-5.5 Pro76.9%
111 / 111
| # | ||||
|---|---|---|---|---|
| 1 | 新 | 94.9% | 65.4 | 2026-11-09 |
| 2 | 92.6% | – | 2026-11-10 | |
| 3 | 91.7% | 64.4 | 2026-10-13 | |
| 4 | 88.4% | 61.0 | 2026-09-22 | |
| 5 | 86.6% | 66.4 | 2026-09-01 | |
| 6 | 86.5% | – | 2026-09-03 | |
| 7 | 83.6% | 66.4 | 2026-09-03 | |
| 8 | 82.9% | 62.0 | 2026-09-29 | |
| 9 | 82.4% | 56.4 | 2026-09-02 | |
| 10 | 81.9% | 65.1 | 2026-06-09 | |
| 11 | 81.8% | 61.6 | 2026-09-02 | |
| 12 | 80.6% | 63.2 | 2026-07-24 | |
| 13 | 79.6% | 59.9 | 2026-02-19 | |
| 14 | 76.9% | – | 2026-04-23 | |
| 15 | 76.9% | – | 2026-04-23 | |
| 16 | 76.7% | – | 2026-05-19 | |
| 17 | 76.4% | 60.0 | 2025-11-18 | |
| 18 | 75.9% | – | 2026-08-12 | |
| 19 | 75.9% | – | 2026-09-28 | |
| 20 | 74.5% | – | 2026-08-05 | |
| 21 | 74.1% | 63.1 | 2026-03-05 | |
| 22 | 73.1% | – | 2026-09-22 | |
| 23 | 新 | 72.7% | – | 2026-11-09 |
| 24 | 72.2% | – | 2026-10-26 | |
| 25 | 71.7% | – | 2026-07-09 | |
| 26 | 70.4% | 60.0 | 2026-05-19 | |
| 27 | 70.0% | 59.3 | 2026-07-08 | |
| 28 | 69.0% | 61.0 | 2026-04-23 | |
| 29 | 67.6% | 62.1 | 2026-02-05 | |
| 30 | 66.7% | – | 2026-09-09 | |
| 31 | 66.2% | – | 2026-08-14 | |
| 32 | 64.8% | 63.9 | 2026-07-09 | |
| 33 | 64.8% | 58.7 | 2026-05-28 | |
| 34 | 64.8% | 54.3 | 2026-07-09 | |
| 35 | 63.0% | 62.1 | 2026-04-20 | |
| 36 | 62.4% | 55.2 | 2025-06-05 | |
| 37 | 62.0% | 57.1 | 2025-11-24 | |
| 38 | 61.7% | 63.1 | 2026-04-16 | |
| 39 | 61.6% | 59.6 | 2025-10-07 | |
| 40 | 61.6% | – | 2025-10-07 | |
| 41 | 61.1% | 56.5 | 2025-12-17 | |
| 42 | 61.1% | 53.8 | 2026-07-31 | |
| 43 | 60.7% | 60.2 | 2026-07-16 | |
| 44 | 60.6% | 53.0 | 2026-06-30 | |
| 45 | 60.5% | 58.1 | 2025-07-09 | |
| 46 | 60.2% | 55.1 | 2026-08-14 | |
| 47 | 60.0% | 51.1 | 2025-08-05 | |
| 48 | 58.8% | 51.9 | 2025-05-22 | |
| 49 | 58.8% | 51.9 | 2026-06-16 | |
| 50 | 57.9% | 53.9 | 2026-06-12 | |
| 51 | 57.4% | – | 2025-12-11 | |
| 52 | 56.7% | 58.2 | 2025-08-07 | |
| 53 | 56.0% | 55.3 | 2025-11-19 | |
| 54 | 56.0% | 43.1 | 2025-11-19 | |
| 55 | 55.1% | 55.4 | 2026-04-07 | |
| 56 | 54.3% | 53.8 | 2025-09-29 | |
| 57 | 53.2% | 57.5 | 2025-11-13 | |
| 58 | 53.2% | 54.9 | 2026-02-11 | |
| 59 | 53.1% | 55.1 | 2025-04-16 | |
| 60 | 52.6% | 53.3 | 2025-12-01 |
相关基准测试
SimpleBench 上的热门模型对比
引用格式:BenchLeader,《SimpleBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/simplebench。
SimpleBench:常见问题
- SimpleBench 衡量的是什么?
- SimpleBench 提出普通人觉得简单、模型却觉得难的陷阱题:空间和时间推理、社交情境,以及带有无关细节、诱导模型给出背诵式答案的谜题。人类基线约为 84%。分数以完成任务的百分比表示,越高越好。
- SimpleBench 的最高分是多少?
- 截至 2026年11月16日,SimpleBench 的最高分为 94.9%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 Gemini 4 Carbon(92.6%)。分数来自 SimpleBench,每天重新读取。
- 哪个 AI 模型在 SimpleBench 上领先?
- 截至 2026年11月16日,SimpleBench 排名第一的是 Claude Fable 5.2,分数为 94.9%(结果日期 2026年11月9日)。其后为 Gemini 4 Carbon(92.6%)。
- 有多少模型有 SimpleBench 结果?
- BenchLeader 上有 111 个模型配置有 SimpleBench 结果,全部取自 SimpleBench(经由 Epoch AI Benchmarking Hub)。
- SimpleBench 由谁运行,多久更新一次?
- SimpleBench 由 SimpleBench 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。
- SimpleBench 是否计入 BenchLeader Index?
- 计入。SimpleBench 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。