自动生成页面。 本页由 AI 自动撰写和翻译,并由软件对照来源进行核查,无人工编辑。SI-IQ 是基于公开基准测试结果构建的指数,不是智商测试。 工作原理
SI-IQ 背后的基准测试
SI-IQ 目前采用 14 项基准测试。每项测试均由独立评测方运行；指数中绝不使用开发方自己发布的成绩。
| 基准测试 | 领域 | 评测方 | 模型数 |
|---|---|---|---|
| Chess Puzzles | 推理 | Epoch AI | 81 |
| Furniture Assembly | 推理 | Epoch AI | 34 |
| Mystery Game Puzzles | 推理 | Epoch AI | 78 |
| FrontierMath Tier 4 | 数学 | Epoch AI | 68 |
| FrontierMath Tiers 1–3 | 数学 | Epoch AI | 86 |
| MATH Level 5 | 数学 | Epoch AI | 86 |
| OTIS Mock AIME 2024–2025 | 数学 | Epoch AI | 193 |
| Aider Polyglot | 编程 | Aider | 40 |
| SWE-bench Verified (Epoch AI run) | 编程 | Epoch AI | 32 |
| GPQA Diamond | 知识 | Epoch AI | 205 |
| GPQA Diamond (OpenRouter run) | 知识 | OpenRouter | 117 |
| SimpleQA Verified | 知识 | Epoch AI | 81 |
| Berkeley Function Calling Leaderboard | 智能体 | UC Berkeley (Gorilla) | 41 |
| τ²-bench Airline (OpenRouter run) | 智能体 | OpenRouter | 117 |
载荷 k 表示某项基准测试在共同能力尺度上区分强弱模型的能力有多强（越高，信息量越大）。 阅读完整方法论