LiveBench · 語言與指令
LiveBench / 知識問答 · Language + IF 兩項均分,各佔 50%。
在 888news 中參與排名
依據預算12.5%
上游數據時間10/13 06:59
最近成功同步10/19 02:05
它測什麼,怎麼測
讀取 Language 和 IF 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:Language 與 IF 分別計入知識問答領域的語言理解、按要求作答兩類。
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-3.8-flash-highGoogle | 84.6% | High 推理 |
| 2 | claude-fable-5-max-effortAnthropic | 83.2% | Max 推理 |
| 3 | gemini-3.7-flash-highGoogle | 82.7% | High 推理 |
| 4 | gpt-6-astra-maxOpenAI | 82.5% | Max 推理 |
| 5 | gemini-3.1-pro-preview-highGoogle | 82.2% | High 推理 |
| 6 | gpt-6.1-sol-maxOpenAI | 82.1% | Max 推理 |
| 7 | claude-fable-5-1-max-effortAnthropic | 81.2% | Max 推理 |
| 8 | muse-spark-1.3-xhighMeta | 80.4% | xHigh 推理 |
| 9 | gemini-3.5-flash-highGoogle | 80.1% | High 推理 |
| 11 | gpt-5.6-sol-maxOpenAI | 79.8% | Max 推理 |
| 12 | gemini-3.6-flash-highGoogle | 79.6% | High 推理 |
| 13 | gpt-5.5-xhighOpenAI | 79.0% | xHigh 推理 |
| 14 | kimi-k3Moonshot AI | 78.4% | 來源預設配置 |
| 15 | muse-wonder-1.0-maxMeta | 78.0% | Max 推理 |
| 16 | grok-4.6xAI | 77.8% | 來源預設配置 |
| 17 | grok-4.7-xhighxAI | 77.7% | xHigh 推理 |
| 18 | smaug-agenticAbacus.AI | 77.7% | 來源預設配置 |
| 19 | grok-4.5xAI | 77.2% | 來源預設配置 |
| 21 | gpt-6-sol-maxOpenAI | 76.9% | Max 推理 |
| 22 | qwen3.7-maxAlibaba | 76.9% | 來源預設配置 |
| 23 | qwen3.8-maxAlibaba | 76.9% | 來源預設配置 |
| 24 | muse-spark-1.2-xhighMeta | 76.4% | xHigh 推理 |
| 25 | gpt-5.4-xhighOpenAI | 76.4% | xHigh 推理 |
| 27 | claude-opus-5-max-effortAnthropic | 76.2% | Max 推理 |
| 28 | claude-opus-5-5-max-effortAnthropic | 76.0% | Max 推理 |
| 29 | qwen3.8-flash-nextAlibaba | 75.9% | 來源預設配置 |
| 30 | claude-opus-4-8-max-effortAnthropic | 75.8% | Max 推理 |
| 31 | deepseek-v4-flash-vision-expDeepSeek | 75.7% | 來源預設配置 |
| 32 | deepseek-v4.1-flash-maxDeepSeek | 75.6% | 來源預設配置 |
| 33 | smaug-miniAbacus.AI | 75.5% | 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 Language 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。