聪明世界#1
编程入门自报
记性1M
便宜$40
记性换算成体感：一次能读完《哈利·波特》全七部
Claude Fable 系列的视觉模型 · 按发布时间
共 4 个 · Anthropic的全部模型 →她的房间
电脑
没有公开的编程评测成绩
书架
5 层 · 记忆 1M tokens
黑板
数学与科学推理
日历
知识停在 2026-06
冰箱
支持上下文缓存，能存记忆
门禁
闭源，权重不公开
身世
- 发布日期
- 2026 年 11 月 9 日models.dev
- 知识截止
- 2026-06
- 参数量
- 体型为估算值，官方从未公布参数量
- 开放权重
- 否
- 开源许可
- 暂无数据
- 上下文窗口
- 1M tokens
- 单次最大输出
- 128K
- 输入价格
- $8.00 / 百万 tokens
- 输出价格
- $40 / 百万 tokens
- 模型类型
- 视觉除了文字还能看图片或视频，输出文字
- 支持的输入
- 图像、文件、文字 → 文字
- 工具调用
- 是
- 深度思考
- 是
- 提示缓存
- 是
战绩
- 综合智力
- 173.4
- AIME 数学
- 99.7%
- GPQA Diamond 科学
- 93.9%
- ARC-AGI-2 抽象推理
- 93.8%
- Fiction.liveBench 长文本
- 未参评
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
- FrontierSWE69.9%面向前沿模型设计的高难度软件工程题，普通模型基本做不动，用来拉开顶尖选手之间的差距。厂商自报
- CursorBench60.0%在真实 IDE 里做代码编辑的测试，题目来自 Cursor 收集的实际使用场景。第三方实测https://cursor.com/cursorbench
- FrontierCode49.1%Cognition 出的高难度代码题集，面向前沿模型。厂商自报
- ALE-Bench2510AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测https://epoch.ai/benchmarks
这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力173.4第 1 / 217Epoch Capabilities Index，把十几项学术评测归并成一个总分。想看综合实力，先看这一栏。第三方实测https://epoch.ai/benchmarks
- SimpleBench94.9%第 1 / 125一套普通人能轻松答对、模型却常常答错的常识题。分数越高越少犯「一看就傻」的错。第三方实测https://simple-bench.com/
数学
- FrontierMath95.1%第 1 / 115由职业数学家出的原创难题，连数学博士都要花几小时甚至几天。分数是解出的比例，能过一成就是前沿水平。第三方实测https://epoch.ai/frontiermath
- FrontierMath 第四层100.0%第 1 / 87FrontierMath 里最难的一层，研究级别的问题，绝大多数模型接近零分。第三方实测https://epoch.ai/frontiermath
- AIME 数学99.7%第 14 / 215美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测https://epoch.ai/benchmarks
- ProofBench100.0%第 1 / 99不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测https://www.vals.ai/benchmarks/proof_bench
知识与推理
- GPQA 科学93.9%第 15 / 218博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测https://epoch.ai/benchmarks
- ARC-AGI-293.8%第 4 / 125看几组图形样例找规律的智力题，人类轻松、模型艰难。专门测「没见过的题会不会做」。第三方实测https://epoch.ai/benchmarks
- ARC-AGI（第一代）98.5%第 1 / 124ARC-AGI 的第一代题库，已被第二代取代。第三方实测https://arcprize.org/
- SimpleQA 事实问答94.0%第 1 / 112一问一答的冷门事实题，测的是「知不知道」和「会不会瞎编」。分数低的模型更容易一本正经地胡说。第三方实测
- CritPt 物理35.7%第 2 / 194研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
智能体
游戏与谜题
- 国际象棋残局79.0%第 1 / 110给一个棋局找出最佳着法。分数是解对的比例，随机乱走约 5 分。第三方实测https://epoch.ai/benchmarks/chess-puzzles
- 推理游戏谜题90.0%第 1 / 107Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测https://epoch.ai/benchmarks
- EBR-bench90.5%第 1 / 36Epoch 自建的一项评测，具体口径以 Epoch 榜单页说明为准。第三方实测https://epoch.ai/benchmarks
其他
- Dtbench99.2%第 1 / 224Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench
- Furniture Assembly90.0%第 1 / 43Epoch AI 收录的评测，暂无中文说明。第三方实测
- Lmca70.6%第 1 / 208Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/lmca
- Spireclimb15.3%第 4 / 9Epoch AI 收录的评测，暂无中文说明。第三方实测
- Spireclimb Sts1 A20 Heart13.3%第 3 / 9Epoch AI 收录的评测，暂无中文说明。第三方实测
- Spireclimb Sts2 A1017.3%第 4 / 9Epoch AI 收录的评测，暂无中文说明。第三方实测