BioMysteryBench (human solved)推理

BioMysteryBench Human 子集使用人类生物学专家标注和验证的题目，作为 AI 性能的参照基准。通过对比 AI 与人类专家的表现，评估模型在复杂生物学推理上的相对水平。

#	模型	得分 (%)	厂商	来源
1	Claude Fable 5	83.9	Anthropic	Claude Fable 5 技术报告
2	Claude Mythos Preview	82.6	Anthropic	Claude Fable 5 技术报告
3	Claude Opus 4.8	80.4	Anthropic	Claude Fable 5 技术报告

BioMysteryBench Human 子集使用人类生物学专家标注和验证的题目，作为 AI 性能的参照基准。通过对比 AI 与人类专家的表现，评估模型在复杂生物学推理上的相对水平。

#	模型	得分 (%)	厂商	来源
1	Claude Fable 5	83.9	Anthropic	Claude Fable 5 技术报告
2	Claude Mythos Preview	82.6	Anthropic	Claude Fable 5 技术报告
3	Claude Opus 4.8	80.4	Anthropic	Claude Fable 5 技术报告