Share your thoughts, 1 month free Claude Pro on usSee more

Physical Reasoning on Cut the Rope

26.14Success Rate

Claude 4.0 Opus

Updated 2mo ago

Evaluation Results

Method	Links
Claude 4.0 Opus 2026.03		26.14
Claude 4.0 Opus 2026.03		23.86
Gemini-2.5-Pro 2026.03		22.73
Qwen-7B^P&I GRPO 2026.03		21.2
Gemini-2.5-Pro 2026.03		20.45
Qwen-7B^P&I SFT 2026.03		19.33
Qwen-7B^P GRPO 2026.03		18.88
GPT-o3 2026.03		18.18
Qwen-7B^P SFT 2026.03		17.5
Qwen-7B^P&I GRPO 2026.03		17.05
Qwen-7B^P&I SFT 2026.03		16.55
GPT-o3 2026.03		16.5
Qwen-7B^P GRPO 2026.03		16.1
Qwen-3B^P&I GRPO 2026.03		15.8
Qwen-7B^P SFT 2026.03		15.35
Qwen-3B^P&I SFT 2026.03		14.05
Qwen-72B 2026.03		13.64
Qwen-3B^P GRPO 2026.03		12.98
Qwen-3B^P&I GRPO 2026.03		12.1
Qwen-3B^P SFT 2026.03		11.85
Qwen-3B^P&I SFT 2026.03		11.6
Qwen-72B 2026.03		11.5
MOCK 2026.03		11.36
Qwen-3B^P GRPO 2026.03		11.05
Qwen-7B^I SFT 2026.03		10.36
Qwen-3B^P SFT 2026.03		10.23
Qwen-7B^I GRPO 2026.03		10.15
Qwen-3B^I GRPO 2026.03		9.88
Qwen-3B^I SFT 2026.03		9.13
Qwen-7B 2026.03		9.09
Qwen-7B^I SFT 2026.03		8.21
Qwen-3B 2026.03		7.95
Qwen-7B^I GRPO 2026.03		7.95
Qwen-3B^I SFT 2026.03		7.8
Qwen-3B^I GRPO 2026.03		7.75
Qwen-32B 2026.03		6.82