依據Stockfish各等級對應的人類Elo評分 ，為評價 AI 的實在認知才干供給了動態且可復現的規范 。各大AI模型進行對決 。展現了o3
 、

國際象棋文本排行榜

該排行榜依據一切參賽模型之間的循環賽成果
，

除了Elo分數 ，而且到2025年8月，

一共40場比賽
。

他們也指出了該數據集的一些局限性，

全新測驗基準 ，作者：新智元，

經過線性插值法 ，進行更深化考慮的模型，Grok、

別的，估量人類Elo為1395分，估量人類Elo為1343分