WeirdML 排行榜
截至 2026年11月16日,WeirdML 的最高分为 93.6%,由 GPT-6 Astra(OpenAI)取得,领先于 Claude Fable 5.1(92.9%)。共有 159 个模型配置公布了结果(WeirdML,结果日期 2026年9月3日)。WeirdML 提出不寻常的机器学习问题,例如对奇特的合成数据分类,或从古怪的输入格式中学习,无法套用背下来的方法解决。模型必须写出在留出数据上确实有效的训练代码。WeirdML 计入 BenchLeader Index 的编程得分。
要点(截至 2026年11月16日)
- GPT-6 Astra 以 93.6% 保持 WeirdML 最高分(WeirdML,2026年9月3日)。
- Claude Fable 5.1 以 92.9% 位列 WeirdML 第二(WeirdML,2026年9月1日)。
- WeirdML:需要写出可运行训练代码的非常规机器学习任务(WeirdML)。
- BenchLeader 上有 159 个模型配置公布了 WeirdML 结果(BenchLeader,2026年11月16日)。
- WeirdML 计入 BenchLeader Index 的编程类别(BenchLeader 方法论)。
需要写出可运行训练代码的非常规机器学习任务。
- 发布方
- WeirdML数据经由 Epoch AI Benchmarking Hub
- 类别
- 编程
- Index 权重
- 0.5
- 模型
- 159
- 数据截至
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
WeirdML 提出不寻常的机器学习问题,例如对奇特的合成数据分类,或从古怪的输入格式中学习,无法套用背下来的方法解决。模型必须写出在留出数据上确实有效的训练代码。
评分方式
模型自己的代码在隐藏测试集上达到的准确率,按任务取平均;由基准测试作者运行。
注意事项
任务集小,分数混合了编程能力与机器学习判断力。由于训练过程本身就有波动,不同运行之间的差异较明显。
- 1GPT-6 Astra (pro)93.6%
- 2GPT-6 Astra (max)93.3%
- 3Claude Fable 5.1 (max)92.9%
- 4GPT-6 Astra (high)92.9%
- 5Claude Fable 5.1 (high)92.3%
- 6Claude Fable 5 (max)91.9%
- 7Claude Opus 5 (max)91.8%
- 8Claude Opus 5 (high)91.6%
- 9GPT-5.6 Sol (pro)89.4%
- 10GPT-5.6 Sol (high)88.8%
- 11Claude Fable 5 (high)87.8%
- 12GPT-5.6 Sol (max)87.0%
- 13Claude Opus 586.3%
- 14GPT-5.5 (xhigh)84.9%
- 15Gemini 3.8 Flash (high)84.8%
159 / 159
| # | ||||
|---|---|---|---|---|
| 1 | 93.6% | – | 2026-09-03 | |
| 2 | 93.3% | 67.3 | 2026-09-03 | |
| 3 | 92.9% | 66.7 | 2026-09-01 | |
| 4 | 92.9% | 66.3 | 2026-09-03 | |
| 5 | 92.3% | 63.7 | 2026-09-01 | |
| 6 | 91.9% | 65.1 | 2026-06-09 | |
| 7 | 91.8% | 65.0 | 2026-07-24 | |
| 8 | 91.6% | 64.4 | 2026-07-24 | |
| 9 | 89.4% | – | 2026-07-09 | |
| 10 | 88.8% | 63.4 | 2026-07-09 | |
| 11 | 87.8% | 63.9 | 2026-06-09 | |
| 12 | 87.0% | 65.3 | 2026-07-09 | |
| 13 | 86.3% | 63.2 | 2026-07-24 | |
| 14 | 84.9% | 64.1 | 2026-04-23 | |
| 15 | 84.8% | 59.4 | 2026-09-02 | |
| 16 | 83.9% | 63.5 | 2026-04-23 | |
| 17 | 82.9% | – | 2026-05-28 | |
| 18 | 82.6% | 60.2 | 2026-07-16 | |
| 19 | 79.3% | – | 2026-02-05 | |
| 20 | 78.3% | 56.8 | 2026-07-09 | |
| 21 | 78.0% | 62.5 | 2026-02-05 | |
| 22 | 77.9% | 62.9 | 2026-02-05 | |
| 23 | 77.9% | 62.1 | 2026-02-05 | |
| 24 | 77.7% | 63.1 | 2026-03-05 | |
| 25 | 76.4% | 60.0 | 2026-04-16 | |
| 26 | 76.4% | 63.1 | 2026-04-16 | |
| 27 | 76.0% | – | 2026-05-28 | |
| 28 | 75.5% | 59.7 | 2026-04-16 | |
| 29 | 75.4% | 58.8 | 2026-08-14 | |
| 30 | 72.2% | 59.9 | 2025-12-11 | |
| 31 | 72.1% | 59.9 | 2026-02-19 | |
| 32 | 70.5% | – | 2026-05-28 | |
| 33 | 70.1% | 58.9 | 2026-06-16 | |
| 34 | 69.9% | 60.0 | 2025-11-18 | |
| 35 | 68.8% | 59.0 | 2026-06-30 | |
| 36 | 67.3% | – | 2026-06-16 | |
| 37 | 67.3% | 60.6 | 2026-08-12 | |
| 38 | 67.2% | 52.3 | 2026-04-23 | |
| 39 | 66.2% | 54.7 | 2026-08-13 | |
| 40 | 66.1% | – | 2026-02-17 | |
| 41 | 63.7% | 57.1 | 2025-11-24 | |
| 42 | 63.4% | 56.2 | 2025-12-11 | |
| 43 | 63.0% | 56.8 | 2026-07-31 | |
| 44 | 62.6% | 62.5 | 2026-05-19 | |
| 45 | 61.6% | 56.5 | 2025-12-17 | |
| 46 | 60.9% | 54.7 | 2026-07-09 | |
| 47 | 60.8% | 57.5 | 2025-11-13 | |
| 48 | 60.7% | 58.2 | 2025-08-07 | |
| 49 | 60.4% | – | 2025-10-07 | |
| 50 | 60.3% | 61.5 | 2026-08-05 | |
| 51 | 60.3% | 52.0 | 2026-03-17 | |
| 52 | 58.2% | 55.9 | 2025-06-10 | |
| 53 | 57.4% | 53.0 | 2026-03-05 | |
| 54 | 57.4% | – | 2026-03-05 | |
| 55 | 57.1% | 55.4 | 2026-04-07 | |
| 56 | 57.0% | 57.2 | 2026-07-31 | |
| 57 | 56.1% | 61.0 | 2026-07-21 | |
| 58 | 55.9% | 55.1 | 2026-04-20 | |
| 59 | 54.5% | 58.6 | 2025-09-15 | |
| 60 | 54.5% | – | 2025-09-15 |
相关基准测试
WeirdML 上的热门模型对比
引用格式:BenchLeader,《WeirdML 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/weirdml。
WeirdML:常见问题
- WeirdML 衡量的是什么?
- WeirdML 提出不寻常的机器学习问题,例如对奇特的合成数据分类,或从古怪的输入格式中学习,无法套用背下来的方法解决。模型必须写出在留出数据上确实有效的训练代码。分数以完成任务的百分比表示,越高越好。
- WeirdML 的最高分是多少?
- 截至 2026年11月16日,WeirdML 的最高分为 93.6%,由 GPT-6 Astra 取得(结果日期 2026年9月3日),领先于 Claude Fable 5.1(92.9%)。分数来自 WeirdML,每天重新读取。
- 哪个 AI 模型在 WeirdML 上领先?
- 截至 2026年11月16日,WeirdML 排名第一的是 GPT-6 Astra,分数为 93.6%(结果日期 2026年9月3日)。其后为 Claude Fable 5.1(92.9%)。
- 有多少模型有 WeirdML 结果?
- BenchLeader 上有 159 个模型配置有 WeirdML 结果,全部取自 WeirdML(经由 Epoch AI Benchmarking Hub)。
- WeirdML 由谁运行,多久更新一次?
- WeirdML 由 WeirdML 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。
- WeirdML 是否计入 BenchLeader Index?
- 计入。WeirdML 计入 BenchLeader Index 的编程类别,并经过归一化,使参评模型的平均值为 50。