LLM Benchmarks
通过最新且可追溯来源的 AI 基准测试，对比 50 个领先的大语言模型（LLM）。可按推理、编程和智能体表现对 GPT、Claude、Gemini 及开放权重模型排序，涵盖 SWE-bench、Humanity’s Last Exam 和 GPQA。每个分数均保留受测思考模式和测评日期；超过三个月的值会被标记，超过六个月的结果则不纳入。
页面更新时间 2026/08/28 · 显示 50/50 个模型 · 11 项基准 橙色：超过 3 个月≈ 不同协议
50 个语言模型的最新可追溯结果。基准列可排序。只有可直接比较的数值参与排名；其他有来源的测量以灰色显示并标注近似符号。 | 综合 | 知识与推理 | 编程 | 智能体与工具 |
|---|
| #1排名 1Claude Fable 5Anthropic | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | | | | |
|---|
| #2排名 2GPT 5.5 ProOpenAI | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #3排名 3Claude Opus 5Anthropic | | | | | | | –没有最新且可追溯的测量 | | | | |
|---|
| #4排名 4GPT 5.6 SolOpenAI | | | | –没有最新且可追溯的测量 | | | | | | | |
|---|
| #5排名 5GPT 5.6 TerraOpenAI | | | | –没有最新且可追溯的测量 | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | –没有最新且可追溯的测量 |
|---|
| #6排名 6GPT 5.5OpenAI | | | | | –没有最新且可追溯的测量 | | | | | –没有最新且可追溯的测量 | |
|---|
| #7排名 7GPT 5.4 ProOpenAI | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #8排名 8Claude Opus 4.8Anthropic | | | | | | | –没有最新且可追溯的测量 | | | | |
|---|
| #9排名 9Kimi K3Moonshot AI | | | | | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | |
|---|
| #10排名 10Gemini 3.7 FlashGoogle | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #11排名 11GPT 5.4OpenAI | | | | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | |
|---|
| #12排名 12Qwen 3.8 MaxAlibaba | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | |
|---|
| #13排名 13GPT 5.3 CodexOpenAI | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #14排名 14GPT 5.6 LunaOpenAI | | | | –没有最新且可追溯的测量 | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 |
|---|
| #15排名 15Grok 4.6xAI | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | –没有最新且可追溯的测量 |
|---|
| #16排名 16Claude Opus 4.7Anthropic | | | | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | |
|---|
| #17排名 17Claude Sonnet 5Anthropic | | | | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 |
|---|
| #18排名 18DeepSeek V4 Pro 20260813DeepSeek | | | | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #19排名 19Muse Spark 1 2Meta | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #20排名 20GPT 5.2 ProOpenAI | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #21排名 21Claude Opus 4.6Anthropic | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | –没有最新且可追溯的测量 | |
|---|
| #22排名 22Gemini 3.1 ProGoogle | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | –没有最新且可追溯的测量 | |
|---|
| #23排名 23Gemini 3.5 FlashGoogle | | | | | | | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #24排名 24DeepSeek V4 Flash 0731DeepSeek | | –没有最新且可追溯的测量 | | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #25排名 25Muse Spark 1.1Meta | | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | |
|---|
| #26排名 26Gemini 3.6 FlashGoogle | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #27排名 27Grok 4.5xAI | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | | |
|---|
| #28排名 28Qwen3.7 MaxAlibaba | | –没有最新且可追溯的测量 | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #29排名 29GPT 5.2OpenAI | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | |
|---|
| #30排名 30Gemini 3 ProGoogle | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | |
|---|
| #31排名 31Muse SparkMeta | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #32排名 32Claude Sonnet 4.6Anthropic | | | | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #33排名 33Grok 4.20xAI | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #34排名 34GLM 5.2Z.ai | | | | | | | –没有最新且可追溯的测量 | | | | |
|---|
| #35排名 35Gemini 3 FlashGoogle | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | |
|---|
| #36排名 36Kimi K2.6Moonshot AI | | | | | | | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #37排名 37GLM 5.1Z.ai | | | –没有最新且可追溯的测量 | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #38排名 38Kimi K2.7 CodeMoonshot AI | | –没有最新且可追溯的测量 | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #39排名 39GPT 5 ProOpenAI | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #40排名 40inkling SmallThinking Machines Lab | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #41排名 41GPT 5OpenAI | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #42排名 42Claude Opus 4.5Anthropic | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | |
|---|
| #43排名 43GPT 5.1OpenAI | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #44排名 44Qwen 3.6 PlusAlibaba | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #45排名 45Qwen 3.6 Max (Preview)Alibaba | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #45排名 45GPT 5.4 MiniOpenAI | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #47排名 47DeepSeek V4 ProDeepSeek | | | | | | | –没有最新且可追溯的测量 | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #48排名 48Grok 4.3 BetaxAI | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|
| #49排名 49InklingThinking Machines Lab | | | | | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | |
|---|
| #50排名 50Qwen3.7 PlusAlibaba | | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 | –没有最新且可追溯的测量 |
|---|