ALE-Bench

Sakana AI / 编程 · AtCoder 启发式竞赛式的长时算法工程

在 AIDC热点中参与排名

证据预算0.6%

上游数据时间待核实

最近成功同步10/16 14:05

它测什么，怎么测

在没有标准答案的优化题上持续改进程序，按竞赛表现分（Performance）比较。

如何使用这份证据

正式计分（方法 v16 起），权重较低；成绩由 Sakana AI 发布、Epoch AI 汇编。

评测成绩

按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gpt-6-astra_maxOpenAI	2,951.3	Max 推理
2	gpt-6.1-sol_maxOpenAI	2,743.8	Max 推理
3	gpt-6-sol_maxOpenAI	2,462	Max 推理
4	gpt-5.6-sol_maxOpenAI	2,176.9	Max 推理
5	claude-opus-5_highAnthropic	2,164.6	High 推理
6	claude-opus-5-5_highAnthropic	2,147.4	High 推理
7	claude-fable-5-1_highAnthropic	2,143.2	High 推理
8	claude-fable-5_highAnthropic	2,041.3	High 推理
9	gpt-5.6-terra_maxOpenAI	1,951.4	Max 推理
10	gpt-5.5_xhighOpenAI	1,943	xHigh 推理
11	claude-sonnet-5-5_highAnthropic	1,819.1	High 推理
12	muse-spark-1.3_xhighMeta	1,688.4	xHigh 推理
13	gpt-5.6-luna_maxOpenAI	1,667.4	Max 推理
14	gpt-5.3-codex_xhighOpenAI	1,655.2	xHigh 推理
15	gpt-5.4-2026-03-05_highOpenAI	1,607	High 推理
17	gpt-6-luna_xhighOpenAI	1,576.9	xHigh 推理
18	claude-opus-4-8_highAnthropic	1,563.8	High 推理
19	kimi-k3_maxMoonshot AI	1,524.5	Max 推理
21	grok-4.6_xhighxAI	1,508.1	xHigh 推理
22	claude-sonnet-5_highAnthropic	1,463.1	High 推理
24	deepseek-v4-pro-0813_maxDeepSeek	1,403.2	Max 推理
25	gemini-3-flash-previewGoogle	1,367.2	来源默认配置
26	claude-sonnet-4-6_mediumAnthropic	1,327.3	Medium 推理
27	claude-opus-4-7Anthropic	1,323.1	来源默认配置
28	glm-5.3_highZ.ai	1,317.4	High 推理
29	grok-4.5_highxAI	1,309.3	High 推理
30	deepseek-v4-flash-0731_maxDeepSeek	1,306.1	Max 推理
31	gpt-5.2-codexOpenAI	1,299.9	来源默认配置
32	gpt-5.2-2025-12-11_highOpenAI	1,293.6	High 推理
33	gemini-3.8-flash_highGoogle	1,269.7	High 推理

评测局限与数据署名

覆盖的前沿模型较少；表现分不是百分比，只用于排序。

数据许可：CC BY 4.0 · Epoch AI 汇编，原始成绩由 Sakana AI 发布

成绩由 Sakana AI 发布，原始分数与 AIDC热点共识分使用不同尺度，不能直接相加。