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。
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11/18 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 |
|---|---|---|---|
| 2 | claude-fable-5-2Anthropic | 35.4% | Max 推理 · 含来源回退 |
| 3 | muse-wonder-fullMeta | 32.9% | Max 推理 |
| 5 | gpt-5-6-solOpenAI | 32.3% | Max 推理 |
| 6 | gpt-6-astraOpenAI | 31.7% | Max 推理 |
| 6 | gpt-6-1-solOpenAI | 31.7% | Max 推理 |
| 6 | claude-opus-5-5Anthropic | 31.7% | Max 推理 · 含来源回退 |
| 11 | claude-sonnet-5-5Anthropic | 31.4% | Max 推理 · 含来源回退 |
| 15 | gpt-6-solOpenAI | 30.9% | Max 推理 |
| 18 | gpt-5-5-proOpenAI | 30.6% | xHigh 推理 |
| 20 | gpt-5-6-terraOpenAI | 30.0% | Max 推理 |
| 20 | gpt-5-4-proOpenAI | 30.0% | xHigh 推理 |
| 23 | claude-fable-5-1Anthropic | 29.7% | Max 推理 · 含来源回退 |
| 25 | claude-opus-5Anthropic | 29.1% | Max 推理 |
| 30 | claude-fable-5Anthropic | 28.6% | Max 推理 · 含来源回退 |
| 31 | muse-wonderMeta | 28.3% | Max 推理 |
| 33 | gpt-6-1-terraOpenAI | 28.0% | Max 推理 |
| 39 | gpt-5-5OpenAI | 27.1% | xHigh 推理 |
| 39 | gemini-4-argonGoogle | 27.1% | High 推理 |
| 43 | mimo-v2-6-proXiaomi | 26.6% | 来源默认配置 |
| 46 | ling-3-1-flashInclusionAI | 26.0% | 来源默认配置 |
| 48 | gemini-3-deep-thinkGoogle | 25.7% | 来源默认配置 |
| 53 | muse-spark-1-3Meta | 24.9% | Max 推理 |
| 55 | kimi-k3-1-proMoonshot AI | 24.6% | 来源默认配置 |
| 58 | deepseek-v4-1-flash-1017DeepSeek | 24.0% | Max 推理 |
| 59 | gpt-5-4OpenAI | 23.4% | xHigh 推理 |
| 60 | kimi-k3Moonshot AI | 23.4% | Max 推理 |
| 66 | minimax-m3-1-flashMiniMax | 22.3% | 来源默认配置 |
| 68 | glm-5-2Z.ai | 20.9% | Max 推理 |
| 68 | claude-opus-4-8Anthropic | 20.9% | Max 推理 |
| 68 | step-5StepFun | 20.9% | 来源默认配置 |
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。