公开评测 · 按能力比较

AI 模型榜

按公开评测成绩比较模型。点击模型名称，查看各项能力分数和测试配置。

来源：LiveBench ↗评测版本 2026-06-25快照核验 2026-10-10

综合榜 60 / 60 个模型配置

LiveBench 综合评测成绩，同分并列，搜索保留名次
名次	模型与配置	综合分数
1	Claude Fable 5.1 Max Effort 综合 83.4 推理 91.7 编程 86.4 智能体编程 66.1 数学 97.0 数据分析 80.3 语言 89.5 指令遵循 73.0 Anthropic	83.4
2	Claude 5.5 Opus Thinking Max Effort 综合 83.2 推理 92.2 编程 89.3 智能体编程 71.7 数学 97.1 数据分析 80.3 语言 86.3 指令遵循 65.7 Anthropic	83.2
3	Claude Fable 5 Max Effort 综合 83.0 推理 89.7 编程 86.0 智能体编程 62.2 数学 96.0 数据分析 80.5 语言 90.7 指令遵循 75.8 Anthropic	83.0
4	GPT-6 Astra Max Effort 综合 82.2 推理 92.7 编程 80.4 智能体编程 57.3 数学 96.8 数据分析 83.0 语言 89.4 指令遵循 75.6 OpenAI	82.2
5	GPT-6.1 Sol Max Effort 综合 81.6 推理 92.6 编程 80.4 智能体编程 54.5 数学 96.8 数据分析 82.7 语言 90.1 指令遵循 74.2 OpenAI	81.6
5	Muse Spark 1.3 xHigh Effort 综合 81.6 推理 89.7 编程 81.1 智能体编程 64.1 数学 95.9 数据分析 79.6 语言 82.8 指令遵循 78.0 Meta	81.6
7	DeepSeek V4.1 Flash Max Effort 综合 81.1 推理 86.7 编程 80.0 智能体编程 77.3 数学 93.3 数据分析 79.3 语言 81.2 指令遵循 70.0 DeepSeek开放权重	81.1
8	GPT-5.6 Sol Max Effort 综合 81.0 推理 91.7 编程 83.9 智能体编程 56.2 数学 96.2 数据分析 79.8 语言 87.7 指令遵循 71.8 OpenAI	81.0
9	GPT-5.5 Thinking xHigh Effort 综合 80.2 推理 89.7 编程 82.1 智能体编程 54.0 数学 95.9 数据分析 81.6 语言 87.4 指令遵循 70.7 OpenAI	80.2
10	Claude 5 Opus Thinking Max Effort 综合 80.1 推理 91.2 编程 81.4 智能体编程 65.2 数学 95.7 数据分析 74.6 语言 88.7 指令遵循 63.8 Anthropic	80.1
11	GPT-6 Sol Max Effort 综合 79.3 推理 88.7 编程 81.8 智能体编程 52.9 数学 96.4 数据分析 81.2 语言 85.3 指令遵循 68.6 OpenAI	79.3
12	Kimi K3 综合 79.2 推理 90.7 编程 81.4 智能体编程 62.2 数学 84.4 数据分析 78.7 语言 85.5 指令遵循 71.4 Moonshot AI开放权重	79.2
13	Gemini 3.7 Flash High 综合 78.8 推理 87.8 编程 78.9 智能体编程 58.3 数学 93.5 数据分析 68.0 语言 85.5 指令遵循 79.9 Google	78.8
14	Qwen 3.8 Max 综合 78.5 推理 88.2 编程 72.9 智能体编程 64.6 数学 91.3 数据分析 78.4 语言 79.7 指令遵循 74.1 Alibaba开放权重	78.5
15	Grok 4.6 xHigh 综合 78.0 推理 90.5 编程 76.8 智能体编程 57.0 数学 92.6 数据分析 73.9 语言 83.7 指令遵循 71.9 xAI	78.0
15	GPT-5.4 Thinking xHigh Effort 综合 78.0 推理 88.1 编程 77.5 智能体编程 53.8 数学 94.1 数据分析 79.3 语言 82.6 指令遵循 70.2 OpenAI	78.0
15	Muse Spark 1.2 xHigh Effort 综合 78.0 推理 90.0 编程 77.5 智能体编程 57.6 数学 91.2 数据分析 76.5 语言 78.6 指令遵循 74.3 Meta	78.0
18	GPT-5.6 Terra Max Effort 综合 77.9 推理 90.6 编程 78.2 智能体编程 54.9 数学 94.9 数据分析 79.3 语言 82.9 指令遵循 64.6 OpenAI	77.9
19	Claude Sonnet 5.5 xHigh Effort 综合 77.8 推理 86.8 编程 88.9 智能体编程 39.3 数学 96.7 数据分析 78.6 语言 83.4 指令遵循 70.5 Anthropic	77.8
20	DeepSeek V4 Pro 0813 综合 77.4 推理 85.8 编程 77.2 智能体编程 54.9 数学 95.1 数据分析 79.2 语言 82.1 指令遵循 67.7 DeepSeek开放权重	77.4
20	Grok 4.7 xHigh 综合 77.4 推理 82.7 编程 77.2 智能体编程 54.0 数学 95.7 数据分析 76.9 语言 80.1 指令遵循 75.3 xAI	77.4
22	Gemini 3.1 Pro Preview High 综合 77.0 推理 84.0 编程 76.5 智能体编程 44.1 数学 91.0 数据分析 78.5 语言 85.4 指令遵循 79.1 Google	77.0
23	DeepSeek V4 Flash Vision Exp 综合 76.8 推理 85.4 编程 68.2 智能体编程 65.1 数学 87.8 数据分析 79.5 语言 80.4 指令遵循 71.0 DeepSeek开放权重	76.8
24	Claude 4.7 Opus Thinking xHigh Effort 综合 76.5 推理 87.2 编程 82.1 智能体编程 50.7 数学 92.9 数据分析 78.3 语言 77.9 指令遵循 66.7 Anthropic	76.5
25	Claude 4.8 Opus Thinking Max Effort 综合 76.2 推理 89.2 编程 81.8 智能体编程 50.5 数学 94.3 数据分析 66.0 语言 79.7 指令遵循 72.0 Anthropic	76.2
25	Qwen 3.8 Flash Next 综合 76.2 推理 87.4 编程 72.6 智能体编程 61.6 数学 85.8 数据分析 74.2 语言 74.6 指令遵循 77.1 Alibaba开放权重	76.2
27	GLM-5.3 综合 76.1 推理 85.8 编程 79.0 智能体编程 60.9 数学 87.9 数据分析 70.2 语言 79.9 指令遵循 69.3 Z.AI开放权重	76.1
28	Claude Sonnet 5 xHigh Effort 综合 76.0 推理 88.7 编程 80.7 智能体编程 59.4 数学 92.9 数据分析 71.7 语言 75.0 指令遵循 63.9 Anthropic	76.0
29	Gemini 3.8 Flash High 综合 75.8 推理 89.3 编程 72.5 智能体编程 54.2 数学 91.6 数据分析 54.0 语言 87.8 指令遵循 81.4 Google	75.8
29	Grok 4.5 综合 75.8 推理 87.2 编程 68.6 智能体编程 56.5 数学 90.8 数据分析 73.0 语言 82.8 指令遵循 71.5 xAI	75.8
31	Muse Spark 1.1 xHigh Effort 综合 75.3 推理 87.7 编程 77.2 智能体编程 58.5 数学 87.1 数据分析 72.5 语言 74.3 指令遵循 69.6 Meta	75.3
31	Qwen3.8 27B 综合 75.3 推理 80.0 编程 75.7 智能体编程 61.4 数学 86.2 数据分析 76.6 语言 74.3 指令遵循 72.7 Alibaba开放权重	75.3
33	Gemini 3.5 Flash High 综合 74.6 推理 82.0 编程 78.2 智能体编程 49.0 数学 88.2 数据分析 64.9 语言 84.6 指令遵循 75.6 Google	74.6
33	GPT-5.2 High 综合 74.6 推理 83.2 编程 76.1 智能体编程 50.3 数学 93.2 数据分析 78.2 语言 79.8 指令遵循 61.8 OpenAI	74.6
35	Claude 4.6 Opus Thinking High Effort 综合 74.5 推理 88.7 编程 78.2 智能体编程 49.0 数学 89.3 数据分析 69.9 语言 83.3 指令遵循 63.3 Anthropic	74.5
36	DeepSeek V4 Flash 0731 综合 74.2 推理 86.6 编程 75.0 智能体编程 46.8 数学 86.8 数据分析 79.3 语言 79.2 指令遵循 65.5 DeepSeek开放权重	74.2
37	GPT-5.2 Codex 综合 74.0 推理 77.7 编程 83.6 智能体编程 49.4 数学 88.8 数据分析 78.2 语言 73.7 指令遵循 66.4 OpenAI	74.0
38	Gemini 3.6 Flash High 综合 73.6 推理 85.1 编程 77.9 智能体编程 43.4 数学 86.4 数据分析 63.0 语言 83.9 指令遵循 75.4 Google	73.6
38	GPT-5.6 Luna Max Effort 综合 73.6 推理 85.6 编程 82.9 智能体编程 48.4 数学 87.2 数据分析 78.0 语言 72.6 指令遵循 60.1 OpenAI	73.6
40	GLM-5.2 综合 73.2 推理 78.6 编程 79.7 智能体编程 51.8 数学 89.8 数据分析 73.7 语言 76.2 指令遵循 62.3 Z.AI开放权重	73.2
41	Qwen 3.7 Max 综合 73.1 推理 83.3 编程 74.2 智能体编程 43.6 数学 85.2 数据分析 71.8 语言 79.7 指令遵循 74.0 Alibaba	73.1
42	Claude 4.6 Sonnet Thinking Medium Effort 综合 73.0 推理 84.8 编程 79.3 智能体编程 42.6 数学 87.0 数据分析 77.9 语言 76.1 指令遵循 63.2 Anthropic	73.0
43	Claude 4.5 Opus Thinking High Effort 综合 72.6 推理 80.1 编程 79.7 智能体编程 39.7 数学 90.4 数据分析 74.4 语言 81.3 指令遵循 62.5 Anthropic	72.6
44	Claude Haiku 5.5 xHigh Effort 综合 72.1 推理 81.2 编程 76.4 智能体编程 51.4 数学 92.8 数据分析 72.8 语言 63.5 指令遵循 66.5 Anthropic	72.1
45	GPT-6 Luna Max Effort 综合 72.0 推理 81.8 编程 79.0 智能体编程 51.2 数学 89.1 数据分析 73.4 语言 73.8 指令遵循 55.9 OpenAI	72.0
46	Inkling xHigh Effort 综合 71.9 推理 78.3 编程 71.0 智能体编程 49.4 数学 88.4 数据分析 72.8 语言 73.5 指令遵循 70.1 Thinking Machines开放权重	71.9
47	Mistral Large 4 High 综合 71.8 推理 83.9 编程 77.2 智能体编程 57.2 数学 93.6 数据分析 76.5 语言 49.6 指令遵循 64.8 Mistral AI	71.8
48	GLM-5.3 Flash 综合 71.6 推理 77.6 编程 79.0 智能体编程 56.8 数学 81.2 数据分析 76.4 语言 77.3 指令遵循 52.8 Z.AI开放权重	71.6
49	Kimi K2.6 Thinking 综合 70.5 推理 79.4 编程 78.6 智能体编程 46.9 数学 84.3 数据分析 65.1 语言 75.1 指令遵循 64.4 Moonshot AI开放权重	70.5
50	GPT-5.4 Nano xHigh 综合 69.6 推理 81.1 编程 70.8 智能体编程 46.8 数学 91.0 数据分析 67.6 语言 62.5 指令遵循 67.2 OpenAI	69.6
51	ox-alpha-max 综合 69.2 推理 76.6 编程 75.8 智能体编程 52.6 数学 77.5 数据分析 75.8 语言 66.1 指令遵循 60.3 Stealth	69.2
52	Qwen 3.6 Plus 综合 68.9 推理 75.8 编程 78.2 智能体编程 41.4 数学 83.7 数据分析 69.9 语言 75.0 指令遵循 58.3 Alibaba	68.9
53	Kimi K2.7 Code 综合 68.4 推理 82.8 编程 74.0 智能体编程 45.7 数学 79.6 数据分析 62.7 语言 77.9 指令遵循 56.3 Moonshot AI开放权重	68.4
54	Grok Build 0.1 综合 67.8 推理 76.4 编程 65.4 智能体编程 45.8 数学 78.4 数据分析 70.8 语言 72.5 指令遵循 65.2 xAI	67.8
55	Nemotron 3 Ultra 550B A55B 综合 67.4 推理 74.7 编程 70.7 智能体编程 38.7 数学 88.7 数据分析 54.5 语言 70.8 指令遵循 73.4 NVIDIA开放权重	67.4
56	Minimax M3 综合 67.3 推理 74.5 编程 68.2 智能体编程 40.7 数学 76.9 数据分析 76.2 语言 76.8 指令遵循 57.5 Minimax	67.3
57	GPT-5.4 Mini xHigh 综合 66.4 推理 71.3 编程 71.6 智能体编程 41.7 数学 78.5 数据分析 70.8 语言 71.0 指令遵循 59.8 OpenAI	66.4
58	Qwen 3.6 27B 综合 64.0 推理 70.3 编程 71.8 智能体编程 39.3 数学 79.9 数据分析 70.4 语言 63.3 指令遵循 53.2 Alibaba开放权重	64.0
59	Gemini 3.5 Flash-Lite High 综合 63.9 推理 60.2 编程 76.1 智能体编程 45.3 数学 73.7 数据分析 53.2 语言 71.8 指令遵循 67.2 Google	63.9
60	Grok 4.3 综合 62.3 推理 70.8 编程 69.9 智能体编程 18.5 数学 84.3 数据分析 55.8 语言 73.6 指令遵循 62.8 xAI	62.3