評測來源官方評測
LiveBench Global Average
LiveBench · 題庫持續更換,答案可以自動核對。用來看模型換題之後還能不能站住。
在 ATech Hot 中交叉參考
評測權重不計分
來源資料更新時間11/20 02:01
最近成功同步11/22 02:05
它測什麼,怎麼測
保留官方 Global Average 作整體參考;正式分數使用互不重複的專項任務。
如何使用這份證據
原始 Global Average 留作參考;正式票改用互不重複的專項任務。
評測成績
按固定規則,每個公開模型採用一套用作比較的設定;沒有可採用設定的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。
| 原榜名次 | 原榜型號 | 原始成績 | 用作比較的設定 |
|---|---|---|---|
| 1 | claude-fable-5-1-max-effortAnthropic | 83.4% | Max 推理 |
| 2 | claude-opus-5-5-max-effortAnthropic | 83.2% | Max 推理 |
| 3 | claude-fable-5-max-effortAnthropic | 83.0% | Max 推理 |
| 4 | gpt-6-astra-maxOpenAI | 82.2% | Max 推理 |
| 6 | gpt-6.1-sol-maxopenai | 81.6% | Max 推理 |
| 7 | muse-spark-1.3-xhighMeta | 81.6% | xHigh 推理 |
| 8 | muse-wonder-1.0-max— | 81.2% | Max 推理 |
| 10 | deepseek-v4.1-flash-maxDeepSeek | 81.1% | 來源預設配置 |
| 11 | gpt-5.6-sol-maxOpenAI | 81.1% | Max 推理 |
| 12 | gpt-5.5-xhighOpenAI | 80.2% | xHigh 推理 |
| 13 | claude-opus-5-max-effortAnthropic | 80.1% | Max 推理 |
| 14 | smaug-agenticAbacus.AI | 79.5% | 來源預設配置 |
| 15 | gpt-6-sol-maxOpenAI | 79.2% | Max 推理 |
| 16 | kimi-k3Moonshot AI | 79.2% | 來源預設配置 |
| 17 | gemini-3.7-flash-highGoogle | 78.8% | High 推理 |
| 18 | qwen3.8-maxAlibaba | 78.5% | 來源預設配置 |
| 19 | grok-4.6xAI | 78.0% | 來源預設配置 |
| 20 | gpt-5.4-xhighOpenAI | 78.0% | xHigh 推理 |
| 21 | muse-spark-1.2-xhighMeta | 78.0% | xHigh 推理 |
| 22 | gpt-5.6-terra-maxOpenAI | 77.9% | Max 推理 |
| 24 | deepseek-v4-pro-0813DeepSeek | 77.4% | 來源預設配置 |
| 25 | smaug-flashAbacus.AI | 77.4% | 來源預設配置 |
| 26 | grok-4.7-xhighxAI | 77.4% | xHigh 推理 |
| 27 | gemini-3.1-pro-preview-highGoogle | 77.0% | High 推理 |
| 28 | smaug-miniAbacus.AI | 76.9% | 來源預設配置 |
| 29 | deepseek-v4-flash-vision-expDeepSeek | 76.8% | 來源預設配置 |
| 30 | claude-opus-4-7-xhigh-effortAnthropic | 76.5% | xHigh 推理 |
| 31 | claude-opus-4-8-max-effortAnthropic | 76.2% | Max 推理 |
| 32 | qwen3.8-flash-nextAlibaba | 76.2% | 來源預設配置 |
| 33 | glm-5.3Z.ai | 76.1% | 來源預設配置 |
評測侷限與數據署名
綜合均分會稀釋特定能力的變化;僅交叉參考,不重複計票。組織參與方 Abacus.AI 同時開發 Smaug 模型,其獨家成績需要其他獨立來源補充。
數據許可:Apache 2.0
成績由 LiveBench 發佈,原始分數與 ATech Hot 共識指數使用不同尺度,不能直接相加。