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.
- 1GPT-6 Astra (xhigh)42.2%
- 2GPT-6.1 Sol (xhigh)38.3%
- 3Claude Opus 5.5 (xhigh)31.2%
- 4GPT-6.1 Terra (xhigh)28.1%
- 5Claude Fable 5.1 (xhigh)26.0%
- 6Gemini 4 Argon (high)20.3%
- 7Claude Sonnet 5.5 (xhigh)19.9%
- 8GPT-6 Sol (xhigh)19.7%
- 9Claude Opus 5 (xhigh)19.0%
- 10Claude Fable 5 (xhigh)15.6%
- 11Muse Wonder (xhigh)15.2%
- 12GPT-5.6 Sol (xhigh)15.0%
- 13Claude Haiku 5.5 (xhigh)11.7%
- 14Kimi K3.1 Pro (xhigh)9.9%
- 15DeepSeek V4.1 Flash 1017 (high)9.2%
26 / 26
| # | ||||
|---|---|---|---|---|
| 1 | 42.2% | 66.0 | 2026-09-03 | |
| 2 | 38.3% | 63.6 | 2026-09-29 | |
| 3 | 31.2% | 65.4 | 2026-09-22 | |
| 4 | 28.1% | 60.0 | 2026-10-26 | |
| 5 | 26.0% | 64.6 | 2026-09-01 | |
| 6 | 20.3% | 65.3 | 2026-10-13 | |
| 7 | 19.9% | 62.5 | 2026-09-28 | |
| 8 | 19.7% | 58.4 | 2026-09-22 | |
| 9 | 19.0% | 60.1 | 2026-07-24 | |
| 10 | 15.6% | – | 2026-06-09 | |
| 11 | 15.2% | – | 2026-10-12 | |
| 12 | 15.0% | 63.9 | 2026-07-09 | |
| 13 | 11.7% | 56.7 | 2026-10-07 | |
| 14 | 9.9% | – | 2026-10-23 | |
| 15 | 9.2% | 51.2 | 2026-10-17 | |
| 16 | 8.4% | 57.4 | 2026-09-21 | |
| 17 | 7.9% | 52.0 | 2026-09-22 | |
| 18 | 7.5% | – | 2026-07-16 | |
| 19 | 7.4% | 59.4 | 2026-09-02 | |
| 20 | 6.7% | 58.1 | 2026-09-02 | |
| 21 | 6.5% | 59.7 | 2025-11-24 | |
| 22 | 6.0% | 55.6 | 2026-09-09 | |
| 23 | 5.2% | 58.2 | 2026-07-09 | |
| 24 | 5.0% | 59.9 | 2025-12-11 | |
| 25 | 4.5% | 48.3 | 2026-10-06 | |
| 26 | 3.9% | 50.0 | 2026-07-15 |
相关基准测试
WeirdML v3 上的热门模型对比
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。