登录

EVALUATION / MODEL SELECTION

评测榜单

按任务对比模型表现，再进入原始评测平台查看方法与完整结果。

5榜单
97模型
10-09更新

选择评测维度

公开评测成绩与实际档位；暂无同口径成绩的新模型标为待评测。

综合能力

28/28

LiveBench 七类任务的平均分，按所示推理档位比较。排名限本站收录型号；待评测型号列在末尾。

来源：LiveBench · Overall数据版本 2026-06-25更新于 2026-10-09查看评测来源
公开评测快照
01
Claude Opus 5.5 logo
Claude Opus 5.5AnthropicClaude 5.5 Opus Thinking · Max Effort
83.2/ 100
代码Agent长上下文
USD 4.0 /1M tokens
看详情
02
GPT-6 Astra logo
GPT-6 AstraOpenAIGPT-6 Astra · Max Effort
82.2/ 100
旗舰推理Agent
USD 10.0 /1M tokens
看详情
03
GPT-6.1 Sol logo
GPT-6.1 SolOpenAIGPT-6.1 Sol · Max Effort
81.6/ 100
推理代码Agent
USD 2.0 /1M tokens
看详情
04
Muse Spark 1.3MetaMuse Spark 1.3 · xHigh Effort
81.6/ 100
代码Agent
按平台计费
看详情
05
DeepSeek-V4.1-Flash logo
DeepSeek-V4.1-FlashDeepSeekDeepSeek V4.1 Flash · Max Effort
81.1/ 100
多模态推理代码
USD 0.30 /1M tokens (peak)
看详情
06
GPT-5.6 logo
GPT-5.6OpenAIGPT-5.6 Sol · Max Effort
81.0/ 100
当前推荐推理代码
USD 4.0 /1M tokens
看详情
07
GPT-5.5 logo
GPT-5.5OpenAIGPT-5.5 Thinking · xHigh Effort
80.2/ 100
待复核代码
按平台计费
看详情
08
Kimi K3 logo
Kimi K3月之暗面 · 开源Kimi K3
79.2/ 100
开放权重多模态Agent
按平台计费
看详情
09
Qwen3.8-2.4T-A95B logo
Qwen3.8-2.4T-A95B通义千问 · 开源Qwen 3.8 Max · Open weights
78.5/ 100
开放权重MoE
按平台计费
看详情
10
GPT-5.4 logo
GPT-5.4OpenAIGPT-5.4 Thinking · xHigh Effort
78.0/ 100
待复核视觉
按平台计费
看详情
11
Claude Sonnet 5.5 logo
Claude Sonnet 5.5AnthropicClaude Sonnet 5.5 · xHigh Effort
77.8/ 100
代码Agent
USD 2.0 /1M tokens
看详情
12
Grok 4.7 logo
Grok 4.7xAIGrok 4.7 · xHigh
77.4/ 100
代码推理
USD 2.0 /1M tokens
看详情
13
DeepSeek-V4-Pro logo
DeepSeek-V4-ProDeepSeekDeepSeek V4 Pro 0813
77.4/ 100
推理代码
USD 1.3 /1M tokens (peak)
看详情
14
Qwen3.8-Flash-Next logo
Qwen3.8-Flash-Next通义千问 · 开源Qwen 3.8 Flash Next · Open weights
76.2/ 100
开放权重预览多模态
按平台计费
看详情
15
GLM-5.3 logo
GLM-5.3智谱 · 开源GLM-5.3
76.1/ 100
开放权重代码Agent
按平台计费
看详情
16
Gemini 3.8 Flash logo
Gemini 3.8 FlashGoogleGemini 3.8 Flash · High
75.8/ 100
多模态长上下文
按平台计费
看详情
17
Qwen3.8-27B logo
Qwen3.8-27B通义千问 · 开源Qwen3.8 27B
75.3/ 100
开源多模态
按平台计费
看详情
18
Claude Sonnet 4.6 logo
Claude Sonnet 4.6AnthropicClaude 4.6 Sonnet Thinking · Medium Effort
73.0/ 100
代码Agent长上下文
USD 3.0 /1M tokens
看详情
19
Claude Opus 4.5 logo
Claude Opus 4.5AnthropicClaude 4.5 Opus Thinking · High Effort
72.6/ 100
Legacy代码Agent
USD 5.0 /1M tokens
看详情
20
Claude Haiku 5.5 logo
Claude Haiku 5.5AnthropicClaude Haiku 5.5 · xHigh Effort
72.1/ 100
低成本高速
USD 0.10 /1M tokens (input ≤100K)
看详情
21
GPT-6 Luna logo
GPT-6 LunaOpenAIGPT-6 Luna · Max Effort
72.0/ 100
低成本多模态
USD 0.10 /1M tokens
看详情
22
Mistral Large 4 logo
Mistral Large 4Mistral AIMistral Large 4 · High
71.8/ 100
公开预览多模态MoE
按平台计费
看详情
23
GLM-5.3 Flash logo
GLM-5.3 Flash智谱 · 开源GLM-5.3 Flash
71.6/ 100
开源多模态Agent
按平台计费
看详情
—
Gemini 4 Argon logo
Gemini 4 ArgonGoogle
待评测
受限预览推理
按平台计费
看详情
—
Qwen3.8-Max logo
Qwen3.8-Max通义千问
待评测
多模态Agent
USD 2.0 /1M tokens
看详情
—
Qwen3.8-Flash logo
Qwen3.8-Flash通义千问
待评测
低成本多模态
USD 0.15 /1M tokens
看详情
—
豆包 Seed 2.1字节跳动
待评测
中文多模态Agent
按平台计费
看详情
—
豆包 Seed-Evolving字节跳动
待评测
中文Agent长上下文
按平台计费
看详情

评测来源

进入原始评测平台

方法说明、原始结果和社区讨论请以外部平台为准。

LMArena logo
LMArena

通过真实用户投票对比 LLM 输出质量的公开评测平台。

全球更新于 2026-08-29
Artificial Analysis logo
Artificial Analysis

独立的模型与 API 性能分析站：质量、速度、价格。

全球更新于 2026-08-29
LiveBench开源

题目持续更新的防污染基准测试，结果更可信。

全球更新于 2026-08-29
SWE-bench开源

以真实 GitHub issue 评测模型编程能力的基准。

全球更新于 2026-08-29
Aider LLM Leaderboards开源

Aider 的代码编辑排行榜，贴近真实开发任务。

全球更新于 2026-08-29
OpenCompass 司南 logo
OpenCompass 司南开源

上海 AI 实验室的开源评测体系，中文榜单权威。

国内更新于 2026-08-29
SuperCLUE

中文大模型综合测评基准，按月发布榜单。

国内更新于 2026-08-29
OpenRouter Rankings logo
OpenRouter Rankings

基于真实 API 用量的模型热度榜，反映实际采用。

全球更新于 2026-08-29