LiveBench · 推理與數學
LiveBench / 科研 · Reasoning + Mathematics 兩項均分,各佔 50%。
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 |
|---|---|---|---|
| 1 | gemini-4-argonGoogle | 95.1% | 來源預設配置 |
| 2 | gpt-6-astraOpenAI | 92.7% | 來源預設配置 |
| 3 | gpt-6.1-solOpenAI | 92.6% | 來源預設配置 |
| 4 | qwen4-maxAlibaba | 92.2% | 來源預設配置 |
| 4 | claude-opus-5.5Anthropic | 92.2% | 來源預設配置 |
| 6 | claude-fable-5.1Anthropic | 91.7% | 來源預設配置 |
| 7 | gpt-6.2-astraOpenAI | 91.6% | 來源預設配置 |
| 7 | claude-sonnet-5.5anthropic | 91.6% | 來源預設配置 |
| 9 | grok-4.6xAI | 91.2% | 來源預設配置 |
| 10 | kimi-k3.1-proMoonshot AI | 91.1% | 來源預設配置 |
| 11 | kimi-k3Moonshot AI | 90.7% | 來源預設配置 |
| 12 | gpt-5.6-terraOpenAI | 90.6% | 來源預設配置 |
| 12 | gemini-4-carbonGoogle | 90.6% | 來源預設配置 |
| 12 | muse-wonder-1.0Meta | 90.6% | 來源預設配置 |
| 12 | gpt-6.2-solOpenAI | 90.6% | 來源預設配置 |
| 16 | muse-spark-1.3Meta | 89.7% | 來源預設配置 |
| 17 | gemini-4-neonGoogle | 89.6% | 來源預設配置 |
| 18 | gemini-3.8-flashGoogle | 89.3% | 來源預設配置 |
| 19 | deepseek-v4.1-flash-1017DeepSeek | 89.1% | 來源預設配置 |
| 20 | claude-fable-5.2Anthropic | 88.8% | 來源預設配置 |
| 21 | gpt-6.1-terraOpenAI | 88.7% | 來源預設配置 |
| 22 | gemini-4-hydrogenGoogle | 88.6% | 來源預設配置 |
| 23 | qwen3.8-maxAlibaba | 88.2% | 來源預設配置 |
| 24 | mistral-large-4-0Mistral AI | 85.2% | 來源預設配置 |
| 25 | mistral-large-4Mistral AI | 83.9% | 來源預設配置 |
| 26 | step-5-previewStepFun | 83.8% | 來源預設配置 |
| 27 | minimax-m3.1-flashMiniMax | 82.9% | 來源預設配置 |
| 28 | grok-4.7xAI | 82.7% | 來源預設配置 |
| 29 | claude-haiku-5.5Anthropic | 82.4% | 來源預設配置 |
| 30 | gpt-6-lunaOpenAI | 81.8% | 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。