BenchLeader

WeirdML v3 排行榜

截至 2026年11月16日,WeirdML v3 的最高分为 42.2%,由 GPT-6 Astra(OpenAI)取得,领先于 GPT-6.1 Sol(38.3%)。共有 26 个模型配置公布了结果(WeirdML,结果日期 2026年9月3日)。11 个不寻常的机器学习任务,由编程智能体自己编写并运行训练代码。官方分数既看结果,也看能否用更少的 token 达到好结果;与 WeirdML v2 不可比。WeirdML v3 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 42.2% 保持 WeirdML v3 最高分(WeirdML,2026年9月3日)。
  • GPT-6.1 Sol 以 38.3% 位列 WeirdML v3 第二(WeirdML,2026年9月29日)。
  • WeirdML v3:11 个不寻常的机器学习任务,由编程智能体自己编写并运行训练代码。官方分数既看结果,也看能否用更少的 token 达到好结果;与 WeirdML v2 不可比(WeirdML)。
  • BenchLeader 上有 26 个模型配置公布了 WeirdML v3 结果(BenchLeader,2026年11月16日)。
  • WeirdML v3 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

11 个不寻常的机器学习任务,由编程智能体自己编写并运行训练代码。官方分数既看结果,也看能否用更少的 token 达到好结果;与 WeirdML v2 不可比。

发布方
WeirdML数据经由 Epoch AI Benchmarking Hub
类别
编程
Index 权重
仅作参考
模型
26
数据截至
2026年11月16日
最新结果
2026年10月26日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

26 / 26
#
1GPT-6 Astraxhigh42.2%66.02026-09-03
2GPT-6.1 Solxhigh38.3%63.62026-09-29
3Claude Opus 5.5xhigh31.2%65.42026-09-22
4GPT-6.1 Terraxhigh28.1%60.02026-10-26
5Claude Fable 5.1xhigh26.0%64.62026-09-01
6Gemini 4 Argonhigh20.3%65.32026-10-13
7Claude Sonnet 5.5xhigh19.9%62.52026-09-28
8GPT-6 Solxhigh19.7%58.42026-09-22
9Claude Opus 5xhigh19.0%60.12026-07-24
10Claude Fable 5xhigh15.6%–2026-06-09
11Muse Wonderxhigh15.2%–2026-10-12
12GPT-5.6 Solxhigh15.0%63.92026-07-09
13Claude Haiku 5.5xhigh11.7%56.72026-10-07
14Kimi K3.1 Proxhigh9.9%–2026-10-23
15DeepSeek V4.1 Flash 1017high9.2%51.22026-10-17
16Grok 4.7xhigh8.4%57.42026-09-21
17GPT-6 Lunaxhigh7.9%52.02026-09-22
18Kimi K3high7.5%–2026-07-16
19Gemini 3.8 Flashhigh7.4%59.42026-09-02
20Muse Spark 1.3xhigh6.7%58.12026-09-02
21Claude Opus 4.5high6.5%59.72025-11-24
22DeepSeek V4.1 Flashhigh6.0%55.62026-09-09
23GPT-5.6 Lunaxhigh5.2%58.22026-07-09
24GPT-5.2xhigh5.0%59.92025-12-11
25Mistral Large 4high4.5%48.32026-10-06
26Inklingxhigh3.9%50.02026-07-15

更多编程基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《WeirdML v3 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/weirdml_v3。

WeirdML v3:常见问题

WeirdML v3 衡量的是什么?
11 个不寻常的机器学习任务,由编程智能体自己编写并运行训练代码。官方分数既看结果,也看能否用更少的 token 达到好结果;与 WeirdML v2 不可比。分数以完成任务的百分比表示,越高越好。
WeirdML v3 的最高分是多少?
截至 2026年11月16日,WeirdML v3 的最高分为 42.2%,由 GPT-6 Astra 取得(结果日期 2026年9月3日),领先于 GPT-6.1 Sol(38.3%)。分数来自 WeirdML,每天重新读取。
哪个 AI 模型在 WeirdML v3 上领先?
截至 2026年11月16日,WeirdML v3 排名第一的是 GPT-6 Astra,分数为 42.2%(结果日期 2026年9月3日)。其后为 GPT-6.1 Sol(38.3%)。
有多少模型有 WeirdML v3 结果?
BenchLeader 上有 26 个模型配置有 WeirdML v3 结果,全部取自 WeirdML(经由 Epoch AI Benchmarking Hub)。
WeirdML v3 由谁运行,多久更新一次?
WeirdML v3 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 v3 是否计入 BenchLeader Index?
不计入。WeirdML v3 仅作参考展示,不计入综合分数。