LiveBench · 推理與數學

Name: LiveBench · 推理與數學
Creator: LiveBench

LiveBench / 推理 · Reasoning + Mathematics 兩項均分，各佔 50%。

在 ATech Hot 中參與排名

證據預算4.2%

上游數據時間09/30 03:01

最近成功同步10/06 14:05

它測什麼，怎麼測

先分別計算 Reasoning、Mathematics 的分類成績，再各佔 50% 求平均，最後保留一位小數。兩項均分與官網單獨選擇某一類的成績不同。

兩項均分作為一份證據參與排名，各專項共用 LiveBench 證據家族；Global Average 僅供參考，不重複計票。

按固定規則，每個公開模型採用一套代表配置；沒有可採用配置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	代表配置
1	gpt-6.1-sol-maxopenai	94.7%	Max 推理
2	gpt-6-astra-maxOpenAI	94.7%	Max 推理
3	claude-opus-5-5-max-effortAnthropic	94.6%	Max 推理
4	claude-fable-5-1-max-effortAnthropic	94.3%	Max 推理
6	gpt-5.6-sol-maxOpenAI	93.9%	Max 推理
7	claude-sonnet-5-5-max-effortanthropic	93.9%	Max 推理
9	claude-opus-5-max-effortAnthropic	93.5%	Max 推理
10	claude-fable-5-max-effortAnthropic	92.8%	Max 推理
11	muse-spark-1.3-xhighMeta	92.8%	xHigh 推理
12	gpt-5.6-terra-maxOpenAI	92.8%	Max 推理
13	gpt-5.5-xhighOpenAI	92.8%	xHigh 推理
14	gpt-6-sol-maxOpenAI	92.5%	Max 推理
15	claude-opus-4-8-max-effortAnthropic	91.8%	Max 推理
17	grok-4.6xAI	91.5%	來源預設配置
18	gpt-5.4-xhighOpenAI	91.1%	xHigh 推理
19	claude-sonnet-5-xhigh-effortAnthropic	90.8%	xHigh 推理
20	gemini-3.7-flash-highGoogle	90.6%	High 推理
21	muse-spark-1.2-xhighMeta	90.6%	xHigh 推理
22	deepseek-v4-pro-0813DeepSeek	90.5%	來源預設配置
23	gemini-3.8-flash-highGoogle	90.4%	High 推理
24	claude-opus-4-7-xhigh-effortAnthropic	90.0%	xHigh 推理
25	deepseek-v4.1-flash-maxDeepSeek	90.0%	來源預設配置
26	qwen3.8-maxAlibaba	89.8%	來源預設配置
27	grok-4.7-xhighxAI	89.2%	xHigh 推理
28	grok-4.5xAI	89.0%	來源預設配置
29	claude-opus-4-6-thinking-auto-high-effortAnthropic	89.0%	High 推理
30	gpt-5.2-2025-12-11-highOpenAI	88.2%	High 推理
31	smaug-flashAbacus.AI	88.1%	來源預設配置
32	kimi-k3Moonshot AI	87.6%	來源預設配置
33	gemini-3.1-pro-preview-highGoogle	87.5%	High 推理

評測侷限與數據署名

兩項均分衡量組合表現，不能當成 Reasoning 單項成績。官方頁面切換分類或是否包含微調模型時，分數與排序會隨之變化。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

分項成績由 LiveBench 發佈，AIHOT 按上述兩類等權彙總並排序。兩項均分與 AIHOT 共識分使用不同尺度，不能直接相加。