首页/模型榜单
MODEL BENCHMARKS

模型榜单

查阅国内外主流模型的评测表现,按能力维度比较。

LiveBench 2.0数据版本 2026-10-25
收录模型
32个
国内模型
9个
评测维度
7项
数据核验 2026/11/01 00:52 北京时间评测说明

模型跑分榜

LiveBench 2.0 · 得分范围 0–100,越高越好

查看原榜
32 个模型 · 按综合得分降序筛选保留全榜位次 · 同分并列
LiveBench 2.0 模型排名;缺失分数显示为破折号,不计为零。
位次模型 / 开发方覆盖
01
Claude Fable 5.1
Anthropic海外
推理强度 max
85.6977.9091.7097.7089.8080.3082.0083.407/7
02
GPT-6 Astra
OpenAI海外
推理强度 max
85.6477.5092.7093.7091.3083.0085.2082.007/7
03
Claude Opus 5.5
Anthropic海外
推理强度 max
85.1472.8092.2096.3088.4080.3085.0086.907/7
04
GPT-6.1 Sol
OpenAI海外
推理强度 max
84.0768.7092.6096.0093.3082.7083.5082.107/7
05
Claude Sonnet 5.5
Anthropic海外
推理强度 max
80.0463.4091.6094.7089.3059.5083.6085.007/7
06
Gemini 4 Argon
Google海外
推理强度 high
79.3061.2095.1089.7082.8085.2083.1073.707/7
07
GPT-6.1 Terra
OpenAI海外
推理强度 max
77.7948.6088.7094.3093.1082.3073.9082.307/7
08
Muse Wonder 1.0
Meta海外
推理强度 max
74.1552.6090.6086.2060.0081.6088.0075.107/7
09
DeepSeek V4.1 Flash 1017
DeepSeek国内
推理强度 max
72.8735.7089.1096.0067.2079.5079.5083.407/7
10
Kimi K3.1 Pro
Moonshot AI国内
推理强度 max
71.2939.1091.1081.8075.9079.1077.9077.807/7
11
Grok 4.7
xAI海外
推理强度 xhigh
70.1446.1082.7084.5049.3076.9086.4078.007/7
12
Claude Haiku 5.5
Anthropic海外
推理强度 max
69.8540.0082.4091.4069.5053.1081.9083.107/7
13
MiMo V2.6 Pro
Xiaomi国内
推理强度 high
68.4835.2079.6081.5077.3072.3076.7078.507/7
14
GPT-5.6 Terra
OpenAI海外
推理强度 max
67.7933.1090.6086.2070.3079.3060.4076.007/7
15
Grok 4.6
xAI海外
推理强度 xhigh
67.7528.0091.2089.1049.4075.3084.5079.807/7
16
MiniMax M3.1 Flash
MiniMax国内
推理强度 max
66.8928.8082.9083.9080.6071.4072.7074.007/7
17
GPT-6 Luna
OpenAI海外
推理强度 max
64.5930.9081.8084.5070.3073.4043.5082.507/7
18
Kimi K3
Moonshot AI国内
推理强度 max
64.5726.4090.7059.3075.2078.7079.0077.207/7
19
Mistral Large 4 1029
Mistral AI海外
推理强度 high
63.4927.5085.2095.4017.4076.6079.7076.307/7
20
Muse Spark 1.3
Meta海外
推理强度 max
63.0325.5089.7090.2030.9079.6068.6074.807/7
21
GLM-5.3 Flash
Z.AI国内
推理强度 max
62.0719.0077.6080.6059.8076.4070.1077.207/7
22
Qwen3.8 Max
Alibaba国内
推理强度 max
61.5629.9088.2060.3049.4078.4069.9078.607/7
23
Gemini 3.8 Flash
Google海外
推理强度 high
59.2116.5089.3082.2045.1054.0079.1072.707/7
24
Step 5 (Preview)
StepFun国内
推理强度 max
58.6119.4083.8085.6024.8063.5072.8076.907/7
25
Qwen3.8 27B
Alibaba国内
推理强度 max
58.3820.6080.0086.8024.2076.6059.4075.907/7
26
Muse Spark Open
Meta海外
推理强度 max
51.6311.7073.7073.6026.2060.2080.3060.307/7
27
Smaug-Nemotron-3.5-NVFP4
Abacus.AI海外
推理强度 max
50.318.4075.1072.2025.6065.1067.8062.707/7
28
Nemotron 3.5 Super VL
NVIDIA海外
推理强度 max
50.2311.7074.6071.3021.6064.6066.7062.807/7
29
inkling
来源未标注待核对
推理配置未标注
47.058.5078.3064.0012.0072.8059.9058.307/7
30
Nemotron 3.5 Super VL (NVFP4)
NVIDIA海外
推理强度 max
46.507.3071.7061.3018.0065.7070.9057.107/7
31
Mistral Large 4
Mistral AI海外
推理强度 high
43.908.8083.9060.000.6076.5028.1065.607/7
32
Gemma 4 31B
Google海外
推理强度 max
38.7210.7068.3049.000.0053.3044.4058.407/7

综合分按该版本官方权重计算;分项缺测显示“—”,按来源口径从综合分分母中排除。未被本版收录不代表能力较弱。

国内/海外按开发方归类,未知开发方标为“待核对”。不同推理强度、版本和运行环境会影响结果。

权威测评参考

按使用场景交叉核对,各平台分数独立解读。

人类偏好

Arena

通过匿名对战和用户投票衡量回答偏好。适合参考对话体验,分数不能与客观题正确率直接比较。

查看官方榜单
能力与效率

Artificial Analysis

提供模型能力指数、速度与价格等比较。指数随版本调整,比较时应核对版本和推理配置。

查看官方榜单
多维基准

OpenCompass 司南

上海人工智能实验室的模型评测平台,覆盖知识、推理、编程及中文等维度。请按具体子榜和测试配置查看。

查看官方榜单
中文能力

SuperCLUE

侧重中文场景的综合与专项评测。请留意测试批次、并列规则,以及仅作参考而未参与排名的模型。

查看官方榜单

如何读懂排名

LiveBench 评测方法
01

同一版本,分项比较

本站展示 LiveBench 2.0 的 2026-10-25 版公开数据。得分范围为 0–100;综合分采用该版本各分项的加权平均。公开数据可能包含不同模型配置,不将其他平台分数混入本榜。

02

分数不等于全部体验

评测覆盖有限任务,不能代替实际业务测试。推理强度、工具、提示词、成本和响应速度都会影响选型。不同分项的优势,应结合你的使用场景判断。

03

公开来源,每日核验

服务器每天检查一次公开数据,保留最近成功快照;读取失败时保留原数据并提示。核验时间是本站读取时间,数据版本是评测批次,两者分别标注。本站未自行运行这些模型评测。

长程智能体×2推理×1编程×1.5浏览器任务×1数据分析×1研究×1设计×1.5

数据来源:LiveBench。模型名称及归属按来源整理,分数按公开数据与官方权重计算,保留两位小数;同一显示分数并列。Arena 等参考入口的排名由各平台独立维护。品牌标识仅用于识别,商标归各权利人所有;图标来自 Lobe Icons。

原始分数 CSV分项与权重