MODEL BENCHMARKS
发布采购需求 ↗AI 模型排行榜
看清能力差异，再选择适合你的 AI 资源。
LiveBench 2.0 · 多维能力
公开评测快照 · 按维度独立排序
来源更新 2026-10-25获取日期 2026-10-27数据集发布日期 未披露
LiveBench 2.0 · 推理 · 发布 20261025 · 分数 0–100，越高越好；缺失分数不参与排名，同分并列。搜索后保留原榜名次。
| 排名 | 模型与版本 | 得分 | 证据类型 |
|---|---|---|---|
| 1 | gemini-4-argon官方榜单收录 · 评测设置见来源模型说明 ↗ | 95.1 | 榜单收录 |
| 2 | gpt-6-astra官方榜单收录 · 评测设置见来源模型说明 ↗ | 92.7 | 榜单收录 |
| 3 | gpt-6.1-sol官方榜单收录 · 评测设置见来源模型说明 ↗ | 92.6 | 榜单收录 |
| 4 | claude-opus-5.5官方榜单收录 · 评测设置见来源模型说明 ↗ | 92.2 | 榜单收录 |
| 5 | claude-fable-5.1官方榜单收录 · 评测设置见来源模型说明 ↗ | 91.7 | 榜单收录 |
| 6 | claude-sonnet-5.5官方榜单收录 · 评测设置见来源模型说明 ↗ | 91.6 | 榜单收录 |
| 7 | grok-4.6官方榜单收录 · 评测设置见来源模型说明 ↗ | 91.2 | 榜单收录 |
| 8 | kimi-k3.1-pro官方榜单收录 · 评测设置见来源模型说明 ↗ | 91.1 | 榜单收录 |
| 9 | kimi-k3官方榜单收录 · 评测设置见来源模型说明 ↗ | 90.7 | 榜单收录 |
| 10 | gpt-5.6-terra官方榜单收录 · 评测设置见来源模型说明 ↗ | 90.6 | 榜单收录 |
| 10 | muse-wonder-1.0官方榜单收录 · 评测设置见来源模型说明 ↗ | 90.6 | 榜单收录 |
| 12 | muse-spark-1.3官方榜单收录 · 评测设置见来源模型说明 ↗ | 89.7 | 榜单收录 |
| 13 | gemini-3.8-flash官方榜单收录 · 评测设置见来源模型说明 ↗ | 89.3 | 榜单收录 |
| 14 | deepseek-v4.1-flash-1017官方榜单收录 · 评测设置见来源模型说明 ↗ | 89.1 | 榜单收录 |
| 15 | gpt-6.1-terra官方榜单收录 · 评测设置见来源模型说明 ↗ | 88.7 | 榜单收录 |
| 16 | qwen3.8-max官方榜单收录 · 评测设置见来源模型说明 ↗ | 88.2 | 榜单收录 |
| 17 | mistral-large-4官方榜单收录 · 评测设置见来源模型说明 ↗ | 83.9 | 榜单收录 |
| 18 | step-5-preview官方榜单收录 · 评测设置见来源模型说明 ↗ | 83.8 | 榜单收录 |
| 19 | minimax-m3.1-flash官方榜单收录 · 评测设置见来源模型说明 ↗ | 82.9 | 榜单收录 |
| 20 | grok-4.7官方榜单收录 · 评测设置见来源模型说明 ↗ | 82.7 | 榜单收录 |
| 21 | claude-haiku-5.5官方榜单收录 · 评测设置见来源模型说明 ↗ | 82.4 | 榜单收录 |
| 22 | gpt-6-luna官方榜单收录 · 评测设置见来源模型说明 ↗ | 81.8 | 榜单收录 |
| 23 | qwen3.8-27b官方榜单收录 · 评测设置见来源模型说明 ↗ | 80.0 | 榜单收录 |
| 24 | mimo-v2.6-pro官方榜单收录 · 评测设置见来源模型说明 ↗ | 79.6 | 榜单收录 |
| 25 | inkling官方榜单收录 · 评测设置见来源模型说明 ↗ | 78.3 | 榜单收录 |
来源证据与评测口径
来源：LiveBench 2.0 · 多维能力 · 公开数值事实 · 未声明数据再许可。本站按原始分数整理，不生成跨评测综合分，也不将榜单收录视作独立复验。
归属：LiveBench。本站仅记录公开模型数值事实与来源链接，不复制评测题、站点内容或代码，不将旧仓库许可套用于新版榜单。
来源快照：1115296907a94ada817509ee2c0f3748 · 来源发布版本：20261025 · 原始内容 SHA-256：1b8e3148febc91c92cdbc86c77241922295d6d29e74354dbfe4e32a5e57f2bfe
管理员按需获取、审核后发布；非实时更新。评测版本未披露的项目不作推断。不同维度和测试设置不能直接比较。