跳到正文

CritPt(Artificial Analysis 复跑)

Artificial Analysis / 科研 · 物理研究前沿的原创难题,要一步步推导出准确答案。

官方评测
在 AIHOT 中参与排名
所属领域科研
上游数据时间待核实
最近成功同步11/09 20:05

它测什么,怎么测

取 Artificial Analysis 独立公布的 CritPt 的正确率。同一型号按最高推理档位选代表配置,选择不看分数。

AIHOT 怎么用它

计分:科研领域的研究级物理一类,与 CritPt v2 难题子集合起来算一票。

评测成绩

同一模型测了多个档位时,按固定规则只取一套代表成绩;没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示,名次照搬原榜,每项最多列 30 个。

原榜名次原榜型号原始成绩代表配置
1muse-wonder-fullMeta32.9%Max 推理
2gpt-5-6-solOpenAI32.3%Max 推理
3gpt-6-1-solOpenAI31.7%Max 推理
3claude-opus-5-5Anthropic31.7%Max 推理 · 含来源回退
3gpt-6-astraOpenAI31.7%Max 推理
8claude-sonnet-5-5Anthropic31.4%Max 推理 · 含来源回退
12gpt-6-solOpenAI30.9%Max 推理
14gpt-5-5-proOpenAI30.6%xHigh 推理
16gpt-5-4-proOpenAI30.0%xHigh 推理
16gpt-5-6-terraOpenAI30.0%Max 推理
19claude-fable-5-1Anthropic29.7%Max 推理 · 含来源回退
20claude-opus-5Anthropic29.1%Max 推理
25claude-fable-5Anthropic28.6%Max 推理 · 含来源回退
26muse-wonderMeta28.3%Max 推理
28gpt-6-1-terraOpenAI28.0%Max 推理
34gpt-5-5OpenAI27.1%xHigh 推理
34gemini-4-argonGoogle27.1%High 推理
38mimo-v2-6-proXiaomi26.6%来源默认配置
41ling-3-1-flash-1019InclusionAI26.0%来源默认配置
43gemini-3-deep-thinkGoogle25.7%来源默认配置
48muse-spark-1-3Meta24.9%Max 推理
50kimi-k3-1-proMoonshot AI24.6%来源默认配置
53deepseek-v4-1-flash-1017DeepSeek24.0%Max 推理
54gpt-5-4OpenAI23.4%xHigh 推理
55kimi-k3Moonshot AI23.4%Max 推理
60minimax-m3-1-flashMiniMax22.3%来源默认配置
62claude-opus-4-8Anthropic20.9%Max 推理
62glm-5-2Z.ai20.9%Max 推理
62step-5StepFun20.9%来源默认配置
65gpt-5-6-lunaOpenAI20.6%Max 推理
评测局限与数据署名

题量较少,正确率普遍很低;题集正在接受公开复核。

数据许可:Artificial Analysis 公开页面数据;展示须显著署名并链接来源,遵守其 Terms of Use

成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同,不能直接相加;AIHOT 按公开规则把它们折算成同一种分数。