BenchLeader

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。

31 / 31
#
1GPT-6 Astramax53.1%67.3$1.562026-11-11
2新Claude Fable 5.2high51.8%68.4$1.552026-11-11
3Claude Opus 5.5max49.5%68.4$4.062026-11-11
4Claude Sonnet 5.5max49.1%64.2$2.982026-11-11
5Claude Fable 5.1max47.8%66.7$5.632026-11-11
6GPT-6.1 Solmax46.4%66.6$0.2852026-11-11
7Gemini 4 Argonhigh45.5%65.3$4.592026-11-11
8Claude Opus 5max37.4%65.0$3.282026-11-11
9Gemini 3.8 Flashhigh36.5%59.4$1.732026-11-11
10Muse Spark 1.3max36.0%60.6$0.8522026-11-11
11Muse Wonder Fullmax35.1%61.7$4.162026-11-11
12Claude Haiku 5.5max35.1%55.3$0.5412026-11-11
13GPT-5.6 Solmax33.3%65.3$0.9632026-11-11
14Grok 4.6high30.6%60.6$1.312026-11-11
15GPT-6 Solmax30.2%62.6$0.4612026-11-11
16Muse Wondermax27.5%60.8$3.392026-11-11
17Kimi K3.1 Promax26.1%59.9$0.6222026-11-11
18Inkling 2 Small25.2%57.9$0.1602026-11-11
19Grok 4.7xhigh25.2%57.4$1.842026-11-11
20Qwen3.8 Maxmax23.9%58.7$1.312026-11-11
21GLM 5.3max23.0%58.8$1.532026-11-11
22Ember-122.5%–$1.292026-11-11
23Beam 1.022.1%45.9–2026-11-11
24MiMo-V2.6-Flash21.6%54.8$0.0572026-11-11
25DeepSeek V4.1 Flashhigh21.2%55.6$0.1642026-11-11
26Gemini 3.1 Prohigh20.7%60.4$1.072026-11-11
27GPT-6 Lunamax19.4%55.1$0.0262026-11-11
28Step 5 Preview18.5%56.0$0.5972026-11-11
29MiMo-V2.6-Pro15.3%57.5$0.1542026-11-11
30GPT-5.6 Lunamax14.4%56.2$0.1092026-11-11
31Mistral Large 4high12.2%48.3$1.062026-11-11

更多推理基准测试 · 全部大模型基准测试

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。