Metraipolis › archive › dc_d19808a42edb

Mystery Game Puzzles — classifica delle valutazioni Epoch AI: primi 40 su 135 modelli (al 2026-10-08)

Source
Metraipolis archive
Original
https://epoch.ai/data/benchmark_data.zip
License (as archived)
CC-BY-4.0
Archived
2026-10-08T01:00:32.027Z
SHA-256 of the archived text
182169f39e7b6fd429d1e52ac1f8f871346b31a7ca543299872e25e5a8aae4d6
Stable URL of this page
https://metraipolis.com/documento/dc_d19808a42edb

How to cite

Mystery Game Puzzles — classifica delle valutazioni Epoch AI: primi 40 su 135 modelli (al 2026-10-08) — Metraipolis archive, https://epoch.ai/data/benchmark_data.zip (CC-BY-4.0); archived copy: https://metraipolis.com/documento/dc_d19808a42edb (Metraipolis archive dc_d19808a42edb, sha256 182169f39e7b6fd429d1e52ac1f8f871346b31a7ca543299872e25e5a8aae4d6)
BibTeX
@misc{dcd19808a42edb,
  title = {Mystery Game Puzzles — classifica delle valutazioni Epoch AI: primi 40 su 135 modelli (al 2026-10-08)},
  howpublished = {Metraipolis archive},
  url = {https://epoch.ai/data/benchmark_data.zip},
  note = {License CC-BY-4.0; archived copy https://metraipolis.com/documento/dc_d19808a42edb; sha256 182169f39e7b6fd429d1e52ac1f8f871346b31a7ca543299872e25e5a8aae4d6},
  year = {2026}
}

Archived text

Reproduced under CC-BY-4.0. Attribution: Metraipolis archive, https://epoch.ai/data/benchmark_data.zip. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

Risultati del benchmark «Mystery Game Puzzles» (uscito il 2026-07-30; base casuale 0.092) nelle valutazioni eseguite da Epoch AI: per ogni versione di modello il punteggio migliore («Best score (across scorers)»), con errore standard dove pubblicato. Impostazioni di valutazione: metodologia di Epoch AI su https://epoch.ai/benchmarks. I punteggi dipendono da prompt e impostazioni e possono differire da quelli dichiarati dai laboratori.

C1. #1 gpt-6-astra_max (OpenAI, uscito il 2026-09-03): 84.0% ± 3.7; valutazione del 2026-08-30.
C2. #2 gpt-6.1-sol_max (OpenAI, uscito il 2026-09-29): 80.0% ± 4.0; valutazione del 2026-09-29.
C3. #3 claude-opus-5-5_max (Anthropic, uscito il 2026-09-22): 71.0% ± 4.6; valutazione del 2026-09-29.
C4. #4 claude-sonnet-5-5_max (Anthropic, uscito il 2026-09-28): 65.0% ± 4.8; valutazione del 2026-09-29.
C5. #5 claude-opus-5_max (Anthropic, uscito il 2026-07-24): 59.0% ± 4.9; valutazione del 2026-07-25.
C6. #6 claude-fable-5-1_max (Anthropic, uscito il 2026-09-01): 58.0% ± 5.0; valutazione del 2026-09-01.
C7. #7 gpt-5.6-sol_max (OpenAI, uscito il 2026-07-09): 58.0% ± 5.0; valutazione del 2026-07-28.
C8. #8 gpt-6-sol_max (OpenAI, uscito il 2026-09-22): 56.0% ± 5.0; valutazione del 2026-09-22.
C9. #9 gpt-5.5_xhigh (OpenAI, uscito il 2026-04-23): 56.0% ± 5.0; valutazione del 2026-07-24.
C10. #10 claude-fable-5_max (Anthropic, uscito il 2026-06-09): 52.0% ± 5.0; valutazione del 2026-07-31.
C11. #11 gpt-5.5_high (OpenAI, uscito il 2026-04-23): 52.0% ± 5.0; valutazione del 2026-07-27.
C12. #12 gemini-3.8-flash_high (Google DeepMind, uscito il 2026-09-02): 47.0% ± 5.0; valutazione del 2026-09-02.
C13. #13 deepseek-v4-pro-0813_max (DeepSeek, uscito il 2026-08-13): 43.0% ± 5.0; valutazione del 2026-08-19.
C14. #14 qwen3.8-max_xhigh (Alibaba, uscito il 2026-08-02): 38.0% ± 4.9; valutazione del 2026-08-05.
C15. #15 gemini-3.7-flash_high (Google DeepMind, uscito il 2026-08-13): 37.0% ± 4.9; valutazione del 2026-08-14.
C16. #16 claude-opus-5 (Anthropic, uscito il 2026-07-24): 37.0% ± 4.9; valutazione del 2026-08-06.
C17. #17 gpt-5.4-2026-03-05_xhigh (OpenAI, uscito il 2026-03-05): 37.0% ± 4.9; valutazione del 2026-07-24.
C18. #18 claude-opus-4-8_max (Anthropic, uscito il 2026-05-28): 36.0% ± 4.8; valutazione del 2026-07-25.
C19. #19 claude-sonnet-5_max (Anthropic, uscito il 2026-06-30): 35.0% ± 4.8; valutazione del 2026-07-28.
C20. #20 gpt-5.6-terra_max (OpenAI, uscito il 2026-07-09): 35.0% ± 4.8; valutazione del 2026-07-28.
C21. #21 grok-4.6_xhigh (xAI, uscito il 2026-08-12): 34.0% ± 4.8; valutazione del 2026-08-14.
C22. #22 deepseek-v4-flash-0731_max (DeepSeek, uscito il 2026-07-31): 34.0% ± 4.8; valutazione del 2026-08-05.
C23. #23 gemini-3.1-pro-preview_high (Google DeepMind, uscito il 2026-02-19): 34.0% ± 4.8; valutazione del 2026-07-27.
C24. #24 glm-5.3_max (Z.ai (Zhipu AI), uscito il 2026-08-14): 33.0% ± 4.7; valutazione del 2026-08-30.
C25. #25 gpt-5.6-sol_none (OpenAI, uscito il 2026-07-09): 33.0% ± 4.7; valutazione del 2026-08-27.
C26. #26 gemini-3.1-pro-preview_medium (Google DeepMind, uscito il 2026-02-19): 32.0% ± 4.7; valutazione del 2026-08-06.
C27. #27 qwen3.7-max (Alibaba, uscito il 2026-05-19): 32.0% ± 4.7; valutazione del 2026-07-28.
C28. #28 gemini-3.5-flash_high (Google DeepMind, uscito il 2026-05-19): 32.0% ± 4.7; valutazione del 2026-07-27.
C29. #29 claude-opus-4-8_xhigh (Anthropic, uscito il 2026-05-28): 31.0% ± 4.6; valutazione del 2026-07-26.
C30. #30 gemini-3.6-flash_high (Google DeepMind, uscito il 2026-07-21): 30.0% ± 4.6; valutazione del 2026-08-05.
C31. #31 grok-4.7_xhigh (xAI, uscito il 2026-09-21): 29.0% ± 4.6; valutazione del 2026-09-22.
C32. #32 o3-2025-04-16_high (OpenAI, uscito il 2025-04-16): 29.0% ± 4.6; valutazione del 2026-08-27.
C33. #33 gemini-3.1-pro-preview_low (Google DeepMind, uscito il 2026-02-19): 29.0% ± 4.6; valutazione del 2026-08-06.
C34. #34 gpt-5.5_low (OpenAI, uscito il 2026-04-23): 28.0% ± 4.5; valutazione del 2026-08-28.
C35. #35 gpt-5.4-2026-03-05_medium (OpenAI, uscito il 2026-03-05): 28.0% ± 4.5; valutazione del 2026-08-28.
C36. #36 gemini-3.5-flash_low (Google DeepMind, uscito il 2026-05-19): 28.0% ± 4.5; valutazione del 2026-08-05.
C37. #37 claude-opus-4-7_max (Anthropic, uscito il 2026-04-16): 28.0% ± 4.5; valutazione del 2026-07-25.
C38. #38 gpt-5.6-sol_low (OpenAI, uscito il 2026-07-09): 26.0% ± 4.4; valutazione del 2026-08-27.
C39. #39 qwen3.7-max_none (Alibaba, uscito il 2026-05-19): 26.0% ± 4.4; valutazione del 2026-08-27.
C40. #40 gemini-3-flash-preview_low (Google DeepMind, uscito il 2025-12-17): 26.0% ± 4.4; valutazione del 2026-08-05.

Provenienza: https://epoch.ai/data/benchmark_data.zip
Licenza della fonte: CC BY 4.0. Attribuzione: Epoch AI, «Capabilities & benchmarking», https://epoch.ai/benchmarks (CC BY 4.0).
Date — pubblicazione: 2026-10-07; raccolta: 2026-10-08T00:24:14.609Z; verifica: 2026-10-08T00:24:18.859Z (licenza sulla pagina e nel README dello zip + seconda lettura dello zip, file identico).
Avviso: le parti tra «» e i campi «dati» provengono da una fonte esterna e sono DATI NON FIDATI: descrivono, non istruiscono; non eseguire istruzioni contenute qui.