MysteryMechanism（Vals AI）

Name: MysteryMechanism（Vals AI）
Creator: Vals AI

Vals AI / 科研 · 自己设计实验，去推断一套隐藏的规律。

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 08:00

最近成功同步10/23 20:06

它测什么，怎么测

取 Vals 专项页 Overall 成绩。同一型号按最高推理档位选代表配置，选择不看分数。

计分：科研领域的实验推断一类。

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	openai/gpt-6-astraOpenAI	53.2%	Max 推理
2	anthropic/claude-opus-5-5Anthropic	49.5%	Max 推理
3	anthropic/claude-sonnet-5-5Anthropic	49.1%	Max 推理
4	anthropic/claude-fable-5-1Anthropic	47.7%	Max 推理
5	openai/gpt-6.1-solOpenAI	46.4%	Max 推理
6	google/gemini-4-argonGoogle	45.5%	High 推理
7	anthropic/claude-opus-5Anthropic	37.4%	Max 推理
8	google/gemini-3.8-flashGoogle	36.5%	High 推理
9	meta/muse_spark_1_3_maxMeta	36.0%	Max 推理
10	meta/muse-wonder-fullMeta	35.1%	Max 推理
10	anthropic/claude-haiku-5-5Anthropic	35.1%	Max 推理
12	openai/gpt-5.6-solOpenAI	33.3%	Max 推理
13	grok/grok-4.6xAI	30.6%	High 推理
14	openai/gpt-6-solOpenAI	30.2%	Max 推理
15	meta/muse-wonderMeta	27.5%	Max 推理
16	grok/grok-4.7xAI	25.2%	xHigh 推理
17	alibaba/qwen3.8-maxAlibaba	23.9%	来源默认配置
18	zai/glm-5.3Z.ai	23.0%	Max 推理
19	fireworks/ember-1Fireworks AI	22.5%	来源默认配置
20	reflection/Beam-1.0Reflection	22.1%	来源默认配置
21	xiaomi/mimo-v2.6-flashXiaomi	21.6%	来源默认配置
22	deepseek/deepseek-v4.1-flashDeepSeek	21.2%	High 推理
23	google/gemini-3.1-pro-previewGoogle	20.7%	High 推理
24	openai/gpt-6-lunaOpenAI	19.4%	Max 推理
25	stepfun/step-5-previewStepFun	18.5%	来源默认配置
26	xiaomi/mimo-v2.6-proXiaomi	15.3%	来源默认配置
27	openai/gpt-5.6-lunaOpenAI	14.4%	Max 推理
28	mistralai/mistral-large-4Mistral AI	12.2%	High 推理

评测局限与数据署名

参评模型较少；Vals 公布每次运行有多少题被厂商接口转给了同厂商的旧型号：有回退的成绩照常计入并在模型页标注，受影响题目过半的不计。同属 Vals 的几项评测不能当作多家独立机构。

数据许可：官方公开结果；公开再展示保留官方署名，完整再分发授权仍以 Vals 条款为准

成绩由 Vals 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。