跳到正文

LiveBench Global Average

LiveBench · 題庫持續更換,答案可以自動核對。用來看模型換題之後還能不能站住。

官方評測
在 888news 中交叉參考
依據預算不參與排序
上游數據時間11/20 02:01
最近成功同步11/23 00:05

它測什麼,怎麼測

保留官方 Global Average 作整體參考;正式分數使用互不重複的專項任務。

如何使用這份依據

LiveBench 總均分只做交叉核對,不計分;它的分類成績已分別計分。

評測成績

按固定規則,每個公開模型採用一套代表配置;沒有可採用配置的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。

原榜名次原榜型號原始成績代表配置
1gemini-4-neonGoogle87.4%來源預設配置未計入:該來源的單模型評測協議尚未核實。
2claude-fable-5.2Anthropic84.9%來源預設配置未計入:該來源的單模型評測協議尚未核實。
3gpt-6.2-astraOpenAI84.9%來源預設配置未計入:該來源的單模型評測協議尚未核實。
4gpt-6-astraOpenAI84.3%來源預設配置未計入:該來源的單模型評測協議尚未核實。
5claude-fable-5.1Anthropic84.0%來源預設配置未計入:該來源的單模型評測協議尚未核實。
6claude-opus-5.5Anthropic83.4%來源預設配置未計入:該來源的單模型評測協議尚未核實。
7gemini-4-carbonGoogle83.3%來源預設配置未計入:該來源的單模型評測協議尚未核實。
8gpt-6.1-solOpenAI81.2%來源預設配置未計入:該來源的單模型評測協議尚未核實。
9gpt-6.2-solOpenAI80.3%來源預設配置未計入:該來源的單模型評測協議尚未核實。
10gpt-6.1-terraOpenAI78.6%來源預設配置未計入:該來源的單模型評測協議尚未核實。
11gemini-4-argonGoogle77.7%來源預設配置未計入:該來源的單模型評測協議尚未核實。
12gemini-4-hydrogenGoogle77.0%來源預設配置未計入:該來源的單模型評測協議尚未核實。
13claude-sonnet-5.5anthropic76.8%來源預設配置未計入:該來源的單模型評測協議尚未核實。
14qwen4-maxAlibaba73.1%來源預設配置未計入:該來源的單模型評測協議尚未核實。
15muse-wonder-1.0Meta70.7%來源預設配置未計入:該來源的單模型評測協議尚未核實。
16deepseek-v4.1-flash-1017DeepSeek70.3%來源預設配置未計入:該來源的單模型評測協議尚未核實。
17claude-haiku-5.5Anthropic68.9%來源預設配置未計入:該來源的單模型評測協議尚未核實。
18kimi-k3.1-proMoonshot AI68.7%來源預設配置未計入:該來源的單模型評測協議尚未核實。
19muse-spark-1.3Meta68.6%來源預設配置未計入:該來源的單模型評測協議尚未核實。
20grok-4.7xAI67.9%來源預設配置未計入:該來源的單模型評測協議尚未核實。
21gpt-5.6-terraOpenAI67.2%來源預設配置未計入:該來源的單模型評測協議尚未核實。
22mimo-v2.6-proXiaomi66.1%來源預設配置未計入:該來源的單模型評測協議尚未核實。
23kimi-k3Moonshot AI65.0%來源預設配置未計入:該來源的單模型評測協議尚未核實。
24minimax-m3.1-flashMiniMax63.7%來源預設配置未計入:該來源的單模型評測協議尚未核實。
25grok-4.6xAI63.5%來源預設配置未計入:該來源的單模型評測協議尚未核實。
26qwen3.8-maxAlibaba60.9%來源預設配置未計入:該來源的單模型評測協議尚未核實。
27glm-5.3-flashZ.ai60.7%來源預設配置未計入:該來源的單模型評測協議尚未核實。
28gpt-6-lunaOpenAI60.4%來源預設配置未計入:該來源的單模型評測協議尚未核實。
29mistral-large-4-0Mistral AI60.3%來源預設配置未計入:該來源的單模型評測協議尚未核實。
30gemini-3.8-flashGoogle57.3%來源預設配置未計入:該來源的單模型評測協議尚未核實。
評測局限與數據署名

綜合均分會稀釋特定能力的變化;僅交叉參考,不重複計票。組織參與方 Abacus.AI 同時開發 Smaug 模型,其獨家成績需要其他獨立來源補充。

數據許可:Apache 2.0

成績由 LiveBench 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。