WeirdML v3 通过 11 个手工设计的机器学习与数据分析任务、15 种配置评估智能体探索陌生数据和迭代求解的能力。官方总分为 0–1，越高越好：80% 对数 token 轴上的归一化最佳有效分数曲线面积，加 20% 最终最佳有效分数。计分窗口为 50 万至 5000 万 token；Ship Detect 使用成本加权 token 并缩放 25 倍。按任务等权，带提示与无提示配置各分配半个任务权重，分数包含提示惩罚，不是准确率，不能与 v2 混比。仅收录完成全部配置的模型。
查看 WeirdML v3 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 GPT-6 Astra 思考水平·极高工具 | 0.4222 | 2026-09-03 | 未知 | 闭源 | |
 Claude Opus 5.5 思考水平·极高工具 | 0.312 | 2026-09-22 | 未知 | 闭源 | |
Claude Fable 5.1 思考水平·极高工具 | 0.2597 | 2026-09-01 | 未知 | 闭源 | |
4 | GPT-6 Sol 思考水平·极高工具 | 0.1973 | 2026-09-22 | 未知 | 闭源 |
5 | Claude Opus 5 思考水平·极高工具 | 0.1901 | 2026-07-24 | 未知 | 闭源 |
6 | Claude Fable 5 思考水平·极高工具 | 0.1553 | 2026-06-09 | 未知 | 闭源 |
7 | GPT-5.6 Sol 思考水平·极高工具 | 0.1499 | 2026-06-26 | 未知 | 闭源 |
8 | GPT-6 Luna 思考水平·极高工具 | 0.0766 | 2026-09-22 | 未知 | 闭源 |
9 |  Gemini 3.8 Flash 思考水平·高工具 | 0.0738 | 2026-09-02 | 未知 | 闭源 |
10 |  Kimi K3 思考水平·高工具 | 0.0727 | 2026-07-16 | 28000亿 | 有条件商用 |
11 | Opus 4.5 思考水平·高工具 | 0.0652 | 2025-11-25 | 未知 | 闭源 |
12 |  DeepSeek-V4.1-Flash 思考水平·高工具 | 0.0595 | 2026-09-10 | 5520亿 | 免费商用 |
13 | GPT-5.6 Luna 思考水平·极高工具 | 0.0516 | 2026-06-26 | 未知 | 闭源 |
官方数据生成时间：2026-09-25T12:45:47Z；来源：https://htihle.github.io/assets/data/weirdml_v3.json；源码版本：0d31b74。系统配置：GPT-6 Astra (xhigh): codex_cli 0.154.0；Claude Opus 5.5 (xhigh): claude_code 2.1.280；Claude Fable 5.1 (xhigh): claude_code 2.1.270；GPT-6 Sol (xhigh): codex_cli 0.156.0；Claude Opus 5 (xhigh): claude_code 2.1.270；Claude Fable 5 (xhigh): claude_code 2.1.270；GPT-5.6 Sol (xhigh): codex_cli 0.154.0；GPT-6 Luna (xhigh): codex_cli 0.156.0；Gemini 3.8 Flash (high): gemini_cli 0.59.0；Kimi K3 (high, Kimi Code): kimi_code 2.0.0；Claude Opus 4.5 (high): claude_code 2.1.270, claude_code 2.1.280；DeepSeek V4.1 Flash (high, Novita): opencode 1.18.30；GPT-5.6 Luna (xhigh): codex_cli 0.154.0
