MysteryMechanism 排行榜
截至 2026年11月16日,MysteryMechanism 的最高分为 53.1%,由 GPT-6 Astra(OpenAI)取得,领先于 Claude Fable 5.2(51.8%)。共有 31 个模型配置公布了结果(Vals AI,结果日期 2026年11月11日)。模型可以请求观察一个未知系统,并必须推断出背后的机制,这是对主动科学推理的测试。MysteryMechanism 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GPT-6 Astra 以 53.1% 保持 MysteryMechanism 最高分(Vals AI,2026年11月11日)。
- Claude Fable 5.2 以 51.8% 位列 MysteryMechanism 第二(Vals AI,2026年11月11日)。
- MysteryMechanism:从稀疏的观察中推断出隐藏的科学机制。由 Vals AI 运行(Vals AI)。
- BenchLeader 上有 31 个模型配置公布了 MysteryMechanism 结果(BenchLeader,2026年11月16日)。
- MysteryMechanism 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
从稀疏的观察中推断出隐藏的科学机制。由 Vals AI 运行。
- 发布方
- Vals AI
- 类别
- 推理
- Index 权重
- 仅作参考
- 模型
- 31
- 数据截至
- 2026年11月16日
Vals AI (vals.ai).
测试内容
模型可以请求观察一个未知系统,并必须推断出背后的机制,这是对主动科学推理的测试。
评分方式
识别出机制的百分比,由 Vals AI 运行。
注意事项
规模小且形式不寻常;是静态考试的良好补充。
- 1GPT-6 Astra (max)53.1%
- 2Claude Fable 5.2 (high)51.8%
- 3Claude Opus 5.5 (max)49.5%
- 4Claude Sonnet 5.5 (max)49.1%
- 5Claude Fable 5.1 (max)47.8%
- 6GPT-6.1 Sol (max)46.4%
- 7Gemini 4 Argon (high)45.5%
- 8Claude Opus 5 (max)37.4%
- 9Gemini 3.8 Flash (high)36.5%
- 10Muse Spark 1.3 (max)36.0%
- 11Muse Wonder Full (max)35.1%
- 12Claude Haiku 5.5 (max)35.1%
- 13GPT-5.6 Sol (max)33.3%
- 14Grok 4.6 (high)30.6%
- 15GPT-6 Sol (max)30.2%
31 / 31
| # | |||||
|---|---|---|---|---|---|
| 1 | 53.1% | 67.3 | $1.56 | 2026-11-11 | |
| 2 | 新 | 51.8% | 68.4 | $1.55 | 2026-11-11 |
| 3 | 49.5% | 68.4 | $4.06 | 2026-11-11 | |
| 4 | 49.1% | 64.2 | $2.98 | 2026-11-11 | |
| 5 | 47.8% | 66.7 | $5.63 | 2026-11-11 | |
| 6 | 46.4% | 66.6 | $0.285 | 2026-11-11 | |
| 7 | 45.5% | 65.3 | $4.59 | 2026-11-11 | |
| 8 | 37.4% | 65.0 | $3.28 | 2026-11-11 | |
| 9 | 36.5% | 59.4 | $1.73 | 2026-11-11 | |
| 10 | 36.0% | 60.6 | $0.852 | 2026-11-11 | |
| 11 | 35.1% | 61.7 | $4.16 | 2026-11-11 | |
| 12 | 35.1% | 55.3 | $0.541 | 2026-11-11 | |
| 13 | 33.3% | 65.3 | $0.963 | 2026-11-11 | |
| 14 | 30.6% | 60.6 | $1.31 | 2026-11-11 | |
| 15 | 30.2% | 62.6 | $0.461 | 2026-11-11 | |
| 16 | 27.5% | 60.8 | $3.39 | 2026-11-11 | |
| 17 | 26.1% | 59.9 | $0.622 | 2026-11-11 | |
| 18 | 25.2% | 57.9 | $0.160 | 2026-11-11 | |
| 19 | 25.2% | 57.4 | $1.84 | 2026-11-11 | |
| 20 | 23.9% | 58.7 | $1.31 | 2026-11-11 | |
| 21 | 23.0% | 58.8 | $1.53 | 2026-11-11 | |
| 22 | Ember-1 | 22.5% | – | $1.29 | 2026-11-11 |
| 23 | 22.1% | 45.9 | – | 2026-11-11 | |
| 24 | 21.6% | 54.8 | $0.057 | 2026-11-11 | |
| 25 | 21.2% | 55.6 | $0.164 | 2026-11-11 | |
| 26 | 20.7% | 60.4 | $1.07 | 2026-11-11 | |
| 27 | 19.4% | 55.1 | $0.026 | 2026-11-11 | |
| 28 | 18.5% | 56.0 | $0.597 | 2026-11-11 | |
| 29 | 15.3% | 57.5 | $0.154 | 2026-11-11 | |
| 30 | 14.4% | 56.2 | $0.109 | 2026-11-11 | |
| 31 | 12.2% | 48.3 | $1.06 | 2026-11-11 |
相关基准测试
MysteryMechanism 上的热门模型对比
引用格式:BenchLeader,《MysteryMechanism 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_mystery_mechanism。
MysteryMechanism:常见问题
- MysteryMechanism 衡量的是什么?
- 模型可以请求观察一个未知系统,并必须推断出背后的机制,这是对主动科学推理的测试。分数以完成任务的百分比表示,越高越好。
- MysteryMechanism 的最高分是多少?
- 截至 2026年11月16日,MysteryMechanism 的最高分为 53.1%,由 GPT-6 Astra 取得(结果日期 2026年11月11日),领先于 Claude Fable 5.2(51.8%)。分数来自 Vals AI,每天重新读取。
- 哪个 AI 模型在 MysteryMechanism 上领先?
- 截至 2026年11月16日,MysteryMechanism 排名第一的是 GPT-6 Astra,分数为 53.1%(结果日期 2026年11月11日)。其后为 Claude Fable 5.2(51.8%)。
- 有多少模型有 MysteryMechanism 结果?
- BenchLeader 上有 31 个模型配置有 MysteryMechanism 结果,全部取自 Vals AI。
- MysteryMechanism 由谁运行,多久更新一次?
- MysteryMechanism 由 Vals AI 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。
- MysteryMechanism 是否计入 BenchLeader Index?
- 不计入。MysteryMechanism 仅作参考展示,不计入综合分数。