Mystery Game Puzzles

Name: Mystery Game Puzzles
Creator: Epoch AI

Epoch AI / 科研 · 从陌生规则推导正确行动

在裕瑞产业情报中参与排名

证据预算NaN%

上游数据时间10/20 06:39

最近成功同步10/23 20:05

它测什么，怎么测

只取 Epoch 标准协议的 mean_score；题目不公开这一限制明确保留。

计分：科研领域的棋类与游戏一类（与 Chess Puzzles 合起来算一票）。

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
1	gpt-6-astra_maxOpenAI	84.0%	Max 推理
2	gpt-6.1-sol_maxOpenAI	80.0%	Max 推理
3	claude-opus-5-5_maxAnthropic	71.0%	Max 推理
4	claude-sonnet-5-5_maxAnthropic	65.0%	Max 推理
5	gemini-4-argon_highGoogle	64.0%	High 推理
6	claude-opus-5_maxAnthropic	59.0%	Max 推理
7	gpt-5.6-sol_maxOpenAI	58.0%	Max 推理
7	claude-fable-5-1_maxAnthropic	58.0%	Max 推理
9	gpt-6-sol_maxOpenAI	56.0%	Max 推理
9	gpt-5.5_xhighOpenAI	56.0%	xHigh 推理
11	claude-fable-5_maxAnthropic	52.0%	Max 推理
13	muse-wonder-1.0_maxMeta	51.0%	Max 推理
14	deepseek-v4.1-flash-1017_maxDeepSeek	49.0%	Max 推理
15	gemini-3.8-flash_highGoogle	47.0%	High 推理
16	deepseek-v4-pro-0813_maxDeepSeek	43.0%	Max 推理
16	deepseek-v4.1-flash_maxDeepSeek	43.0%	Max 推理
18	qwen3.8-max_xhighAlibaba	38.0%	xHigh 推理
19	gemini-3.7-flash_highGoogle	37.0%	High 推理
19	gpt-5.4-2026-03-05_xhighOpenAI	37.0%	xHigh 推理
22	claude-opus-4-8_maxAnthropic	36.0%	Max 推理
23	claude-sonnet-5_maxAnthropic	35.0%	Max 推理
23	gpt-5.6-terra_maxOpenAI	35.0%	Max 推理
25	gemini-3.1-pro-preview_highGoogle	34.0%	High 推理
25	grok-4.6_xhighxAI	34.0%	xHigh 推理
25	deepseek-v4-flash-0731_maxDeepSeek	34.0%	Max 推理
28	glm-5.3_maxZ.ai	33.0%	Max 推理
30	gemini-3.5-flash_highGoogle	32.0%	High 推理
30	qwen3.7-maxAlibaba	32.0%	来源默认配置
34	gemini-3.6-flash_highGoogle	30.0%	High 推理
34	claude-haiku-5-5_maxAnthropic	30.0%	Max 推理

评测局限与数据署名

正式计分；同题家族共用固定预算。

数据许可：CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 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。