跳到正文

LiveBench · 推理與數學

LiveBench / 科研 · Reasoning + Mathematics 兩項均分,各佔 50%。

官方評測
在 888news 中參與排名
依據預算3.1%
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

讀取 Reasoning 和 Mathematics 的未舍入分項成績;本來源頁保留兩項均分。

如何使用這份依據

計分:只計 Reasoning 一項(科研領域的邏輯一類)。Mathematics 頭部已接近滿分,暫不計分。

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-argonGoogle95.1%來源預設配置
2gpt-6-astraOpenAI92.7%來源預設配置
3gpt-6.1-solOpenAI92.6%來源預設配置
4qwen4-maxAlibaba92.2%來源預設配置
4claude-opus-5.5Anthropic92.2%來源預設配置
6claude-fable-5.1Anthropic91.7%來源預設配置
7gpt-6.2-astraOpenAI91.6%來源預設配置
7claude-sonnet-5.5anthropic91.6%來源預設配置
9grok-4.6xAI91.2%來源預設配置
10kimi-k3.1-proMoonshot AI91.1%來源預設配置
11kimi-k3Moonshot AI90.7%來源預設配置
12gpt-5.6-terraOpenAI90.6%來源預設配置
12gemini-4-carbonGoogle90.6%來源預設配置
12muse-wonder-1.0Meta90.6%來源預設配置
12gpt-6.2-solOpenAI90.6%來源預設配置
16muse-spark-1.3Meta89.7%來源預設配置
17gemini-4-neonGoogle89.6%來源預設配置
18gemini-3.8-flashGoogle89.3%來源預設配置
19deepseek-v4.1-flash-1017DeepSeek89.1%來源預設配置
20claude-fable-5.2Anthropic88.8%來源預設配置
21gpt-6.1-terraOpenAI88.7%來源預設配置
22gemini-4-hydrogenGoogle88.6%來源預設配置
23qwen3.8-maxAlibaba88.2%來源預設配置
24mistral-large-4-0Mistral AI85.2%來源預設配置
25mistral-large-4Mistral AI83.9%來源預設配置
26step-5-previewStepFun83.8%來源預設配置
27minimax-m3.1-flashMiniMax82.9%來源預設配置
28grok-4.7xAI82.7%來源預設配置
29claude-haiku-5.5Anthropic82.4%來源預設配置
30gpt-6-lunaOpenAI81.8%來源預設配置
評測局限與數據署名

兩項均分衡量組合表現,不能當成 Reasoning 單項成績。官方頁面切換分類或是否包含微調模型時,分數與排序會隨之變化。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。