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。
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 |
|---|---|---|---|
| 1 | gemini-4-neonGoogle | 87.4% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 2 | claude-fable-5.2Anthropic | 84.9% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 3 | gpt-6.2-astraOpenAI | 84.9% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 4 | gpt-6-astraOpenAI | 84.3% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 5 | claude-fable-5.1Anthropic | 84.0% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 6 | claude-opus-5.5Anthropic | 83.4% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 7 | gemini-4-carbonGoogle | 83.3% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 8 | gpt-6.1-solOpenAI | 81.2% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 9 | gpt-6.2-solOpenAI | 80.3% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 10 | gpt-6.1-terraOpenAI | 78.6% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 11 | gemini-4-argonGoogle | 77.7% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 12 | gemini-4-hydrogenGoogle | 77.0% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 13 | claude-sonnet-5.5anthropic | 76.8% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 14 | qwen4-maxAlibaba | 73.1% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 15 | muse-wonder-1.0Meta | 70.7% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 16 | deepseek-v4.1-flash-1017DeepSeek | 70.3% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 17 | claude-haiku-5.5Anthropic | 68.9% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 18 | kimi-k3.1-proMoonshot AI | 68.7% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 19 | muse-spark-1.3Meta | 68.6% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 20 | grok-4.7xAI | 67.9% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 21 | gpt-5.6-terraOpenAI | 67.2% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 22 | mimo-v2.6-proXiaomi | 66.1% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 23 | kimi-k3Moonshot AI | 65.0% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 24 | minimax-m3.1-flashMiniMax | 63.7% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 25 | grok-4.6xAI | 63.5% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 26 | qwen3.8-maxAlibaba | 60.9% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 27 | glm-5.3-flashZ.ai | 60.7% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 28 | gpt-6-lunaOpenAI | 60.4% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 29 | mistral-large-4-0Mistral AI | 60.3% | 來源預設配置未計入:該來源的單模型評測協議尚未核實。 |
| 30 | gemini-3.8-flashGoogle | 57.3% | 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。