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。

排行数据源

#模型得分

1

Claude Opus 5Anthropic

90.1%

2

Claude Opus 4.8Anthropic

88.5%

3

Claude Sonnet 5Anthropic

87.5%

4

Gemini 3.7 FlashGoogle

87.1%

5

Claude Fable 5Anthropic

83.9%

6

GPT-5.6 TerraOpenAI

83.8%

7

Claude Mythos PreviewAnthropic

82.6%

8

Gemini 3.6 FlashGoogle

80.6%

共 8 个模型

返回基准目录

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。

排行数据源

#模型得分

1

Claude Opus 5Anthropic

90.1%

2

Claude Opus 4.8Anthropic

88.5%

3

Claude Sonnet 5Anthropic

87.5%

4

Gemini 3.7 FlashGoogle

87.1%

5

Claude Fable 5Anthropic

83.9%

6

GPT-5.6 TerraOpenAI

83.8%

7

Claude Mythos PreviewAnthropic

82.6%

8

Gemini 3.6 FlashGoogle

80.6%

共 8 个模型