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 Fable 5.1 思考水平·极高工具 | 0.2592 | 2026-09-01 | 未知 | 闭源 |
— | GPT-5.6 Sol 思考水平·极高工具 | 0.1556 | 2026-06-26 | 未知 | 闭源 |
— |  Gemini 3.8 Flash 思考水平·高工具 | 0.0738 | 2026-09-02 | 未知 | 闭源 |
— |  DeepSeek-V4.1-Flash 思考水平·高工具 | 0.0605 | 2026-09-10 | 5520亿 | 免费商用 |
官方数据生成时间：2026-09-18T06:53:03Z；来源：https://htihle.github.io/assets/data/weirdml_v3.json；源码版本：a0957d7。系统配置：GPT-6 Astra (xhigh): codex_cli 0.154.0；Claude Fable 5.1 (xhigh): claude_code 2.1.270；GPT-5.6 Sol (xhigh): codex_cli 0.154.0；Gemini 3.8 Flash (high): gemini_cli 0.59.0；DeepSeek V4.1 Flash (high, Novita): opencode 1.18.30
