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

推理榜 60 / 60 个模型配置

LiveBench 推理评测成绩，同分并列，搜索保留名次
名次	模型与配置	推理分数
1	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	92.7
2	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	92.6
3	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	92.2
4	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	91.7
4	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	91.7
6	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	91.2
7	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	90.7
8	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	90.6
9	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	90.5
10	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	90.0
11	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	89.7
11	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	89.7
11	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	89.7
14	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	89.3
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	89.2
16	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	88.7
16	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	88.7
16	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	88.7
19	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	88.2
20	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	88.1
21	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	87.8
22	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	87.7
23	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	87.4
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	87.2
24	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	87.2
26	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	86.8
27	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	86.7
28	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	86.6
29	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	85.8
29	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	85.8
31	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	85.6
32	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	85.4
33	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	85.1
34	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	84.8
35	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	84.0
36	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	83.9
37	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	83.3
38	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	83.2
39	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	82.8
40	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	82.7
41	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	82.0
42	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	81.8
43	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	81.2
44	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	81.1
45	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	80.1
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	80.0
47	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	79.4
48	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	78.6
49	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	78.3
50	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	77.7
51	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	77.6
52	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	76.6
53	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	76.4
54	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	75.8
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	74.7
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	74.5
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	71.3
58	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	70.8
59	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	70.3
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	60.2