CritPt（Artificial Analysis 复跑）

Artificial Analysis / 推理 · 研究级物理问题，考验专业推导。

在 AIHOT 中参与排名

所属领域推理

上游数据时间待核实

最近成功同步10/04 20:23

它测什么，怎么测

取 Artificial Analysis 智能指数中 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。

如何使用这份证据

计分：推理领域的研究级物理一类。

评测成绩

按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gpt-5-6-solOpenAI	32.3%	Max 推理
2	claude-opus-5-5Anthropic	31.7%	Max 推理 · 含来源回退
2	gpt-6-astraOpenAI	31.7%	Max 推理
2	gpt-6-1-solOpenAI	31.7%	Max 推理
7	claude-sonnet-5-5Anthropic	31.4%	Max 推理 · 含来源回退
11	gpt-6-solOpenAI	30.9%	Max 推理
14	gpt-5-6-terraOpenAI	30.0%	Max 推理
16	claude-fable-5-1Anthropic	29.7%	Max 推理 · 含来源回退
17	claude-opus-5Anthropic	29.1%	Max 推理
22	claude-fable-5Anthropic	28.6%	Max 推理 · 含来源回退
29	gpt-5-5OpenAI	27.1%	xHigh 推理
29	gemini-4-argonGoogle	27.1%	High 推理
33	mimo-v2-6-proXiaomi	26.6%	来源默认配置
39	muse-spark-1-3Meta	24.9%	Max 推理
43	kimi-k3Moonshot AI	23.4%	Max 推理
47	claude-opus-4-8Anthropic	20.9%	Max 推理
47	glm-5-2Z.ai	20.9%	Max 推理
47	step-5StepFun	20.9%	来源默认配置
50	gpt-5-6-lunaOpenAI	20.6%	Max 推理
52	qwen3-8-2-4t-a95bAlibaba	20.0%	来源默认配置
52	qwen3-8-max-0803Alibaba	20.0%	来源默认配置
54	grok-4-6-xhighxAI	19.7%	xHigh 推理
55	gpt-6-lunaOpenAI	19.4%	Max 推理
56	glm-5-3Z.ai	19.1%	Max 推理
58	gemini-3-8-flashGoogle	18.3%	High 推理
59	ling-3-1-flashInclusionAI	18.0%	来源默认配置
59	deepseek-v4-proDeepSeek	18.0%	Max 推理
62	qwen3-8-maxAlibaba	17.7%	来源默认配置
62	gemini-3-1-pro-previewGoogle	17.7%	来源默认配置
62	muse-spark-1-2Meta	17.7%	xHigh 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 按公开规则把它们换算到同一条能力刻度上。