BenchLeader

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。

111 / 111
#
1新Claude Fable 5.294.9%65.42026-11-09
2Gemini 4 Carbon92.6%–2026-11-10
3Gemini 4 Argon91.7%64.42026-10-13
4Claude Opus 5.588.4%61.02026-09-22
5Claude Fable 5.186.6%66.42026-09-01
6GPT-6 AstraPro 模式86.5%–2026-09-03
7GPT-6 Astra83.6%66.42026-09-03
8GPT-6.1 Sol82.9%62.02026-09-29
9Gemini 3.8 Flash82.4%56.42026-09-02
10Claude Fable 5max81.9%65.12026-06-09
11Muse Spark 1.381.8%61.62026-09-02
12Claude Opus 580.6%63.22026-07-24
13Gemini 3.1 Pro79.6%59.92026-02-19
14GPT-5.5 Prohigh76.9%–2026-04-23
15GPT-5.5 Pro76.9%–2026-04-23
16Gemini 3.5 Flash76.7%–2026-05-19
17Gemini 3 Pro76.4%60.02025-11-18
18Grok 4.675.9%–2026-08-12
19Claude Sonnet 5.575.9%–2026-09-28
20Muse Spark 1.274.5%–2026-08-05
21GPT-5.4 Pro74.1%63.12026-03-05
22GPT-6 Sol73.1%–2026-09-22
23新Muse Ember72.7%–2026-11-09
24GPT-6.1 Terra72.2%–2026-10-26
25GPT-5.6 SolPro 模式71.7%–2026-07-09
26Qwen3.7max70.4%60.02026-05-19
27Grok 4.570.0%59.32026-07-08
28GPT-5.569.0%61.02026-04-23
29Claude Opus 4.667.6%62.12026-02-05
30DeepSeek V4.1 Flash66.7%–2026-09-09
31GLM 5.366.2%–2026-08-14
32GPT-5.6 Solxhigh64.8%63.92026-07-09
33Claude Opus 4.864.8%58.72026-05-28
34GPT-5.6 Sol64.8%54.32026-07-09
35Qwen3.6 Maxmax63.0%62.12026-04-20
36Gemini 2.5 Pro62.4%55.22025-06-05
37Claude Opus 4.562.0%57.12025-11-24
38Claude Opus 4.761.7%63.12026-04-16
39GPT-5 Pro61.6%59.62025-10-07
40GPT-5 Prohigh61.6%–2025-10-07
41Gemini 3 Flash61.1%56.52025-12-17
42DeepSeek V4 Flash61.1%53.82026-07-31
43Kimi K3max60.7%60.22026-07-16
44Claude Sonnet 560.6%53.02026-06-30
45Grok 460.5%58.12025-07-09
46Qwen3.8 27B60.2%55.12026-08-14
47Claude Opus 4.160.0%51.12025-08-05
48Claude Opus 458.8%51.92025-05-22
49GLM 5.258.8%51.92026-06-16
50Kimi K2.7 Code57.9%53.92026-06-12
51GPT-5.2 Pro57.4%–2025-12-11
52GPT-5high56.7%58.22025-08-07
53Grok 4.1 Fastthinking56.0%55.32025-11-19
54Grok 4.1 Fast无推理56.0%43.12025-11-19
55GLM 5.155.1%55.42026-04-07
56Claude Sonnet 4.554.3%53.82025-09-29
57GPT-5.1high53.2%57.52025-11-13
58GLM-553.2%54.92026-02-11
59o3high53.1%55.12025-04-16
60DeepSeek V3.2 Speciale52.6%53.32025-12-01

更多推理基准测试 · 全部大模型基准测试

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。