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 目前在指数中采用 13 项基准测试（共追踪 14 项）。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宣称的成绩。

基准测试	领域	评测方	模型数	载荷 α	是否纳入指数
Chess Puzzles	推理	Epoch AI	81	1.08	是
Furniture Assembly	推理	Epoch AI	34	—	参照组模型少于 3 个
Mystery Game Puzzles	推理	Epoch AI	78	1.15	是
FrontierMath Tier 4	数学	Epoch AI	68	2.32	是
FrontierMath Tiers 1–3	数学	Epoch AI	86	1.50	是
MATH Level 5	数学	Epoch AI	86	1.27	是
OTIS Mock AIME 2024–2025	数学	Epoch AI	193	1.38	是
Aider Polyglot	编程	Aider	40	1.06	是
SWE-bench Verified（Epoch AI 运行）	编程	Epoch AI	32	0.47	是
GPQA Diamond	知识	Epoch AI	205	0.75	是
GPQA Diamond（OpenRouter 运行）	知识	OpenRouter	117	0.68	是
SimpleQA Verified	知识	Epoch AI	81	0.63	是
Berkeley Function Calling Leaderboard	智能体	UC Berkeley (Gorilla)	41	0.47	是
τ²-bench Airline（OpenRouter 运行）	智能体	OpenRouter	117	0.41	是

载荷 α 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

数据来源与许可

来源	许可 / 条款	是否包含在下载数据中	状态
Epoch AI Benchmarking Hub	CC BY 4.0	是	正常 · 2026年10月18日
OpenRouter 基准测试数据集	CC BY 4.0	是	正常 · 2026年10月18日
Aider LLM Leaderboards	Apache-2.0	是	正常 · 2026年10月18日
Berkeley Function Calling Leaderboard	Apache-2.0	是	正常 · 2026年10月18日
Arena（原 LMArena）排行榜数据集	CC BY 4.0	是	正常 · 2026年10月18日
LiteLLM 模型价格表	MIT	是	正常 · 2026年10月18日

数据来源：Aider polyglot leaderboard data (Apache-2.0)；Arena leaderboard dataset on Hugging Face (CC BY 4.0)；Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0)；Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0)；LiteLLM, model_prices_and_context_window.json (MIT)；Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter（许可与修改）。