METR 长任务时域榜
METR Time Horizons把任务按人类完成耗时排序，看模型能独立完成多长的任务（单位：小时）——50% 时域指模型有一半概率完成的任务长度。
收录成绩
26 个模型
50% 时域 · 数据日期 2026-10-28 23:58
本页收录 26 个模型的50% 时域成绩，榜首是 Claude Mythos Preview Early（17.4）， 榜内平均 3.0。 这份数据的时间是 2026-10-28 23:58（北京时间）。
收录条数
26
各榜官方公布，条条可回查
主指标
50% 时域
把任务按人类完成耗时排序，看模型能独立完成多长的任务（单位：小时）——50% 时域指模型有一半概率完成的任务长度。
平均分
3.0
同榜内直接可比
数据日期
2026-10-28 23:58
这一批成绩的公布时间
50% 时域 排名
METR · 26 个模型名次与分数均取自官方榜单，与官方一致。条形长度按当前这些成绩里的最大值算，领跑那条填满整列，其余按比例缩短（灰斜纹是「额外真实缺陷」，只与同列比、不与分数比）。官方没给的数据显示「—」。
| 名次 | 模型 | 80% 时域（h） | 95% 区间（±h） | 50% 时域 | 说明 |
|---|---|---|---|---|---|
| 1 |
Claude Mythos Preview Early
|
3.1 | 23.3 | 17.4 | 2026-04-07 · metr_agents/react |
| 2 |
Claude Opus 4 6
|
1.2 | 27.7 | 12 | 2026-02-05 · metr_agents/react |
| 3 |
Gemini 3 1 Pro
|
1.5 | 3.8 | 6.4 | 2026-02-19 · triframe_inspect/triframe_agent |
| 4 |
GPT 5 2
|
1.1 | 5.2 | 5.9 | 2025-12-11 · triframe_inspect/triframe_agent |
| 5 |
GPT 5 3 Codex
|
0.9 | 5.2 | 5.8 | 2026-02-05 · triframe_inspect/triframe_agent |
| 6 |
GPT 5 4
|
0.9 | 4.9 | 5.7 | 2026-03-05 · metr_agents/react |
| 7 |
Claude Opus 4 5
|
0.8 | 3.9 | 4.9 | 2025-11-24 · metr_agents/react |
| 8 |
Gemini 3 Pro
|
0.9 | 2 | 3.7 | 2025-11-18 · metr_agents/react |
| 9 |
GPT 5 1 Codex Max
|
0.8 | 2.2 | 3.7 | 2025-11-19 · triframe_inspect/triframe_agent |
| 10 |
GPT 5 2025 08 07
|
0.6 | 2.5 | 3.4 | 2025-08-07 · triframe_inspect/triframe_agent |
| 11 |
o3
|
0.5 | 1 | 2 | 2025-04-16 · triframe_inspect/triframe_agent |
| 12 |
Claude 4 1 Opus
|
0.4 | 0.9 | 1.7 | 2025-08-05 · metr_agents/react |
| 13 |
Claude 4 Opus
|
0.3 | 0.9 | 1.7 | 2025-05-22 · metr_agents/react |
| 14 |
Claude 3 7 Sonnet
|
0.2 | 0.6 | 1 | 2025-02-24 · metr_agents/react |
| 15 |
O1
|
0.1 | 0.4 | 0.6 | 2024-12-05 · triframe_inspect/triframe_agent |
| 16 |
Claude 3 5 Sonnet 20241022
|
0 | 0.2 | 0.3 | 2024-10-22 · metr_agents/react |
| 17 |
O1 Preview
|
0.1 | 0.2 | 0.3 | 2024-09-12 · duet |
| 18 |
Claude 3 5 Sonnet 20240620
|
0 | 0.2 | 0.2 | 2024-06-20 · metr_agents/react |
| 19 |
Claude 3 Opus
|
0 | 0.1 | 0.1 | 2024-03-04 · metr_agents/react |
| 20 |
GPT 4
|
0 | 0.1 | 0.1 | 2023-03-14 · modular-public |
| 21 |
GPT 4 1106
|
0 | 0.1 | 0.1 | 2023-11-06 · metr_agents/react |
| 22 |
GPT 4 Turbo
|
0 | 0.1 | 0.1 | 2024-04-09 · metr_agents/react |
| 23 |
GPT 4o
|
0 | 0.1 | 0.1 | 2024-05-13 · metr_agents/react |
| 24 |
Davinci 002
|
0 | 0 | 0 | 2020-05-28 · modular-public |
| 25 |
Gpt2
|
0 | 0 | 0 | 2019-02-14 |
| 26 |
GPT 3 5 Turbo Instruct
|
0 | 0 | 0 | 2022-03-15 · modular-public |
评分方式与读法
这份成绩怎么看收录成绩26 个模型分数与名次按该榜官方公布的结果列出，同一模型的不同推理档位各占一行
主指标50% 时域把任务按人类完成耗时排序，看模型能独立完成多长的任务（单位：小时）——50% 时域指模型有一半概率完成的任务长度。
成绩时间2026-10-28 23:58这份成绩的日期（北京时间）；官方不更新时这里也会停住
同榜内怎么看看分档比看名次稳相邻名次常常只差统计噪声，差 1–2 分不宜直接判定优劣
评分方式按官方原样列出，以官方榜为准官方调整评分方式时这里跟着变，旧成绩不作为结论
横向比模型配合模型智商榜一起看跨厂商综合分与降智趋势见 /model-iq，基准本身的说明见 /glossary
取自页面内联的 benchmarkDataV1_1（METR-Horizon v1.1），v1.0 与实际任务明细不混用。 分数受 Agent 脚手架影响很大，说明列里标了所用的脚手架。 时域是统计拟合结果，区间越宽说明样本越少。
其它权威榜单
6 个成绩来自 METR 官方公开榜单，数据日期 2026-10-28 23:58。
