← 评测来源

Epoch AI / 专业办公

EBR-bench

在长任务中学习新规则并使用记忆

官方评测 ↗

在 AIHOT 中观察与参考

证据预算不计分

上游数据时间09/02 22:22

最近成功同步09/10 06:31

它测什么，怎么测

公开汇总混合了记忆压缩配置；未取得固定配置的可比成绩前仅供参考。

如何使用这份证据

仅供参考，不进入综合或分类分数。

评测成绩

按固定规则，每个公开模型采用一套代表配置。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-6-astra_maxOpenAI	76.2%	Max 推理
2	claude-opus-5_maxAnthropic	50.0%	Max 推理
3	claude-fable-5-1_maxAnthropic	47.6%	Max 推理
4	claude-fable-5_maxAnthropic	39.5%	Max 推理
5	gpt-5.6-sol_maxOpenAI	39.0%	Max 推理
6	gpt-5.5_xhighOpenAI	34.3%	xHigh 推理
7	grok-4.6_xhighxAI	30.5%	xHigh 推理
8	claude-opus-4-8_maxAnthropic	28.6%	Max 推理
9	gpt-5.4-2026-03-05_xhighOpenAI	25.4%	xHigh 推理
10	gpt-5.2-2025-12-11_xhighOpenAI	23.0%	xHigh 推理
11	claude-opus-4-7_maxAnthropic	19.0%	Max 推理
12	claude-opus-4-5-20251101_128KAnthropic	14.3%	来源默认配置 · 128k
12	gemini-3.1-pro-previewGoogle	14.3%	来源默认配置
14	gpt-5-2025-08-07_highOpenAI	12.7%	High 推理
14	claude-opus-4-6_maxAnthropic	12.7%	Max 推理
16	glm-5.2_maxZ.ai	9.5%	Max 推理
16	qwen3.7-maxAlibaba	9.5%	来源默认配置
18	claude-opus-4-1-20250805Anthropic	7.9%	来源默认配置
19	gemini-3.5-flash_highGoogle	4.8%	High 推理
20	claude-sonnet-4-5-20250929Anthropic	2.4%	来源默认配置
20	kimi-k2.6Moonshot AI	2.4%	来源默认配置

评测局限与数据署名

仅供参考，不进入综合或分类分数。

数据许可：CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。