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

数学榜 60 / 60 个模型配置

LiveBench 数学评测成绩，同分并列，搜索保留名次
名次	模型与配置	数学分数
1	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	97.1
2	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	97.0
3	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	96.8
3	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	96.8
5	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	96.7
6	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	96.4
7	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	96.2
8	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	96.0
9	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	95.9
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	95.9
11	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	95.7
11	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	95.7
13	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	95.1
14	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	94.9
15	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	94.3
16	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	94.1
17	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	93.6
18	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	93.5
19	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	93.3
20	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	93.2
21	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	92.9
21	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	92.9
23	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	92.8
24	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	92.6
25	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	91.6
26	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	91.3
27	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	91.2
28	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	91.0
28	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	91.0
30	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	90.8
31	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	90.4
32	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	89.8
33	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	89.3
34	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	89.1
35	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	88.8
36	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	88.7
37	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	88.4
38	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	88.2
39	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	87.9
40	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	87.8
41	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	87.2
42	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	87.1
43	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	87.0
44	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	86.8
45	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	86.4
46	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	86.2
47	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	85.8
48	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	85.2
49	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	84.4
50	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	84.3
50	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	84.3
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	83.7
53	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	81.2
54	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	79.9
55	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	79.6
56	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	78.5
57	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	78.4
58	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	77.5
59	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	76.9
60	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	73.7