榜单口径更新或前日证据过期,暂停跨期比较。
看见变化,也看见原因 / DAILY
谁变强,谁掉队?
名次变化、复测变化、榜单重算,分开讲清楚。
本次变化
逐项解释变化的依据。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
指数重新拟合,分数变化不代表模型能力退化。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
榜单口径更新或前日证据过期,暂停跨期比较。
名次上升;同榜相对位置变化(+1)
变化证据 ↗名次上升;同榜相对位置变化(+1)
变化证据 ↗名次上升;同榜相对位置变化(+1)
变化证据 ↗名次上升;同榜相对位置变化(+1)
变化证据 ↗名次上升;同榜相对位置变化(+1)
变化证据 ↗名次上升;同榜相对位置变化(+1)
变化证据 ↗名次上升;同榜相对位置变化(+1)
变化证据 ↗名次上升;同榜相对位置变化(+1)
变化证据 ↗名次下降;同榜相对位置变化(-8)
变化证据 ↗来源数值更新;没有同条件复测依据,不推断能力变化。
变化证据 ↗API 文本成本 · 当前快照
价格不等于能力本站已登记多厂商型号的有效完整标准文本报价端点;423 个有效端点。输入 10,000 + 输出 1,000 tokens,USD / 固定工作量。
数据时间 2026-09-30T02:15:05.886Z;核验时间 2026-09-30T02:15:05.886Z。不含缓存、批量、工具费、税费。
LiveBench · 全科
查看完整榜单 →本站明确映射的 54 个型号 / 官方材料 66 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-06-25
Claude Fable 5.1 Max Effort
83.41 points · LiveBench · 全科
配置:Claude Fable 5.1 Max Effort · claude-fable-5-1-max-effort
量程 0–100 points
Claude 5.5 Opus Thinking Max Effort
83.22 points · LiveBench · 全科
配置:Claude 5.5 Opus Thinking Max Effort · claude-opus-5-5-max-effort
量程 0–100 points
Claude Fable 5 Max Effort
82.97 points · LiveBench · 全科
配置:Claude Fable 5 Max Effort · claude-fable-5-max-effort
量程 0–100 points
LiveBench · 推理
查看完整榜单 →本站明确映射的 54 个型号 / 官方材料 66 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-06-25
GPT-6 Astra Max Effort
92.65 points · LiveBench · 推理
配置:GPT-6 Astra Max Effort · gpt-6-astra-max
量程 0–100 points
Claude 5.5 Opus Thinking Max Effort
92.15 points · LiveBench · 推理
配置:Claude 5.5 Opus Thinking Max Effort · claude-opus-5-5-max-effort
量程 0–100 points
Claude Fable 5.1 Max Effort
91.69 points · LiveBench · 推理
配置:Claude Fable 5.1 Max Effort · claude-fable-5-1-max-effort
量程 0–100 points
LiveBench · 编程答题
查看完整榜单 →本站明确映射的 54 个型号 / 官方材料 66 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-06-25
Claude 5.5 Opus Thinking Max Effort
89.25 points · LiveBench · 编程答题
配置:Claude 5.5 Opus Thinking Max Effort · claude-opus-5-5-max-effort
量程 0–100 points
Claude Sonnet 5.5 xHigh Effort
88.87 points · LiveBench · 编程答题
配置:Claude Sonnet 5.5 xHigh Effort · claude-sonnet-5-5-xhigh-effort
量程 0–100 points
Claude Fable 5.1 Max Effort
86.38 points · LiveBench · 编程答题
配置:Claude Fable 5.1 Max Effort · claude-fable-5-1-max-effort
量程 0–100 points
LiveBench · 代理编程
查看完整榜单 →本站明确映射的 54 个型号 / 官方材料 66 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-06-25
DeepSeek V4.1 Flash Max Effort
77.27 points · LiveBench · 代理编程
配置:DeepSeek V4.1 Flash Max Effort · deepseek-v4.1-flash-max
量程 0–100 points
Claude 5.5 Opus Thinking Max Effort
71.72 points · LiveBench · 代理编程
配置:Claude 5.5 Opus Thinking Max Effort · claude-opus-5-5-max-effort
量程 0–100 points
Claude Fable 5.1 Max Effort
66.06 points · LiveBench · 代理编程
配置:Claude Fable 5.1 Max Effort · claude-fable-5-1-max-effort
量程 0–100 points
LiveBench · 数学
查看完整榜单 →本站明确映射的 54 个型号 / 官方材料 66 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-06-25
Claude 5.5 Opus Thinking Max Effort
97.08 points · LiveBench · 数学
配置:Claude 5.5 Opus Thinking Max Effort · claude-opus-5-5-max-effort
量程 0–100 points
Claude Fable 5.1 Max Effort
97.01 points · LiveBench · 数学
配置:Claude Fable 5.1 Max Effort · claude-fable-5-1-max-effort
量程 0–100 points
GPT-6 Astra Max Effort
96.81 points · LiveBench · 数学
配置:GPT-6 Astra Max Effort · gpt-6-astra-max
量程 0–100 points
LiveBench · 数据分析
查看完整榜单 →本站明确映射的 54 个型号 / 官方材料 66 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-06-25
GPT-6 Astra Max Effort
82.97 points · LiveBench · 数据分析
配置:GPT-6 Astra Max Effort · gpt-6-astra-max
量程 0–100 points
GPT-5.5 Thinking xHigh Effort
81.58 points · LiveBench · 数据分析
配置:GPT-5.5 Thinking xHigh Effort · gpt-5.5-xhigh
量程 0–100 points
GPT-6 Sol Max Effort
LiveBench · 语言
查看完整榜单 →本站明确映射的 54 个型号 / 官方材料 66 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-06-25
Claude Fable 5 Max Effort
90.68 points · LiveBench · 语言
配置:Claude Fable 5 Max Effort · claude-fable-5-max-effort
量程 0–100 points
Claude Fable 5.1 Max Effort
89.5 points · LiveBench · 语言
配置:Claude Fable 5.1 Max Effort · claude-fable-5-1-max-effort
量程 0–100 points
GPT-6 Astra Max Effort
89.43 points · LiveBench · 语言
配置:GPT-6 Astra Max Effort · gpt-6-astra-max
量程 0–100 points
LiveBench · 指令遵循
查看完整榜单 →本站明确映射的 54 个型号 / 官方材料 66 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-06-25
Gemini 3.8 Flash High
81.41 points · LiveBench · 指令遵循
配置:Gemini 3.8 Flash High · gemini-3.8-flash-high
量程 0–100 points
Gemini 3.7 Flash High
79.93 points · LiveBench · 指令遵循
配置:Gemini 3.7 Flash High · gemini-3.7-flash-high
量程 0–100 points
Gemini 3.1 Pro Preview High
79.1 points · LiveBench · 指令遵循
配置:Gemini 3.1 Pro Preview High · gemini-3.1-pro-preview-high
量程 0–100 points
LiveBench · 全科 · 2024-11-25
查看完整榜单 →本站明确映射的 19 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2024-11-25
o3-Mini High
75.88 points · LiveBench · 全科 · 2024-11-25
配置:o3-Mini High · o3-mini-2025-01-31-high
量程 0–100 points
o1 High
75.67 points · LiveBench · 全科 · 2024-11-25
配置:o1 High · o1-2024-12-17-high
量程 0–100 points
QwQ 32B
LiveBench · 推理 · 2024-11-25
查看完整榜单 →本站明确映射的 19 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2024-11-25
o1 High
91.58 points · LiveBench · 推理 · 2024-11-25
配置:o1 High · o1-2024-12-17-high
量程 0–100 points
o3-Mini High
89.58 points · LiveBench · 推理 · 2024-11-25
配置:o3-Mini High · o3-mini-2025-01-31-high
量程 0–100 points
QwQ 32B
LiveBench · 编程答题 · 2024-11-25
查看完整榜单 →本站明确映射的 19 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2024-11-25
o3-Mini High
82.74 points · LiveBench · 编程答题 · 2024-11-25
配置:o3-Mini High · o3-mini-2025-01-31-high
量程 0–100 points
QwQ 32B
DeepSeek V3 0324
70.9 points · LiveBench · 编程答题 · 2024-11-25
配置:DeepSeek V3 0324 · deepseek-v3-0324
量程 0–100 points
LiveBench · 数学 · 2024-11-25
查看完整榜单 →本站明确映射的 19 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2024-11-25
DeepSeek R1
80.71 points · LiveBench · 数学 · 2024-11-25
配置:DeepSeek R1 · deepseek-r1
量程 0–100 points
o1 High
80.32 points · LiveBench · 数学 · 2024-11-25
配置:o1 High · o1-2024-12-17-high
量程 0–100 points
QwQ 32B
LiveBench · 数据分析 · 2024-11-25
查看完整榜单 →本站明确映射的 19 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2024-11-25
o3-Mini High
70.64 points · LiveBench · 数据分析 · 2024-11-25
配置:o3-Mini High · o3-mini-2025-01-31-high
量程 0–100 points
DeepSeek R1
69.78 points · LiveBench · 数据分析 · 2024-11-25
配置:DeepSeek R1 · deepseek-r1
量程 0–100 points
Gemini 2.0 Flash
67.55 points · LiveBench · 数据分析 · 2024-11-25
配置:Gemini 2.0 Flash · gemini-2.0-flash
量程 0–100 points
LiveBench · 语言 · 2024-11-25
查看完整榜单 →本站明确映射的 19 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2024-11-25
o1 High
65.39 points · LiveBench · 语言 · 2024-11-25
配置:o1 High · o1-2024-12-17-high
量程 0–100 points
Claude 3.5 Sonnet
53.76 points · LiveBench · 语言 · 2024-11-25
配置:Claude 3.5 Sonnet · claude-3-5-sonnet-20241022
量程 0–100 points
QwQ 32B
LiveBench · 指令遵循 · 2024-11-25
查看完整榜单 →本站明确映射的 19 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2024-11-25
Gemini 2.0 Flash
85.79 points · LiveBench · 指令遵循 · 2024-11-25
配置:Gemini 2.0 Flash · gemini-2.0-flash
量程 0–100 points
o3-Mini High
84.36 points · LiveBench · 指令遵循 · 2024-11-25
配置:o3-Mini High · o3-mini-2025-01-31-high
量程 0–100 points
QwQ 32B
LiveBench · 全科 · 2025-05-30
查看完整榜单 →本站明确映射的 24 个型号 / 官方材料 70 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-05-30
Gemini 3 Pro Preview High
79.7 points · LiveBench · 全科 · 2025-05-30
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
GPT-5 High
GPT-5.1 High
78.79 points · LiveBench · 全科 · 2025-05-30
配置:GPT-5.1 High · gpt-5.1-2025-11-13-high
量程 0–100 points
LiveBench · 推理 · 2025-05-30
查看完整榜单 →本站明确映射的 24 个型号 / 官方材料 70 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-05-30
Gemini 3 Pro Preview High
98.75 points · LiveBench · 推理 · 2025-05-30
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
GPT-5 Codex
GPT-5 High
LiveBench · 编程答题 · 2025-05-30
查看完整榜单 →本站明确映射的 24 个型号 / 官方材料 70 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-05-30
Claude 4.5 Opus Medium Effort
78.51 points · LiveBench · 编程答题 · 2025-05-30
配置:Claude 4.5 Opus Medium Effort · claude-opus-4-5-20251101-medium-effort
量程 0–100 points
GPT-5 High
Claude Sonnet 4.5
76.07 points · LiveBench · 编程答题 · 2025-05-30
配置:Claude Sonnet 4.5 · claude-sonnet-4-5-20250929
量程 0–100 points
LiveBench · 代理编程 · 2025-05-30
查看完整榜单 →本站明确映射的 24 个型号 / 官方材料 70 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-05-30
Claude 4.5 Opus Medium Effort
63.33 points · LiveBench · 代理编程 · 2025-05-30
配置:Claude 4.5 Opus Medium Effort · claude-opus-4-5-20251101-medium-effort
量程 0–100 points
Claude Sonnet 4.5
50 points · LiveBench · 代理编程 · 2025-05-30
配置:Claude Sonnet 4.5 · claude-sonnet-4-5-20250929
量程 0–100 points
GPT-5 Codex
48.33 points · LiveBench · 代理编程 · 2025-05-30
配置:GPT-5 Codex · gpt-5-codex
量程 0–100 points
LiveBench · 数学 · 2025-05-30
查看完整榜单 →本站明确映射的 24 个型号 / 官方材料 70 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-05-30
Gemini 3 Pro Preview High
94.97 points · LiveBench · 数学 · 2025-05-30
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
GPT-5.1 High
94.46 points · LiveBench · 数学 · 2025-05-30
配置:GPT-5.1 High · gpt-5.1-2025-11-13-high
量程 0–100 points
GPT-5 Pro
93.77 points · LiveBench · 数学 · 2025-05-30
配置:GPT-5 Pro · gpt-5-pro-2025-10-06
量程 0–100 points
LiveBench · 数据分析 · 2025-05-30
查看完整榜单 →本站明确映射的 24 个型号 / 官方材料 70 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-05-30
Gemini 3 Pro Preview High
74.91 points · LiveBench · 数据分析 · 2025-05-30
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
Qwen 3 Next 80B A3B Thinking
73.16 points · LiveBench · 数据分析 · 2025-05-30
配置:Qwen 3 Next 80B A3B Thinking · qwen3-next-80b-a3b-thinking
量程 0–100 points
GPT-5 Pro
72.42 points · LiveBench · 数据分析 · 2025-05-30
配置:GPT-5 Pro · gpt-5-pro-2025-10-06
量程 0–100 points
LiveBench · 语言 · 2025-05-30
查看完整榜单 →本站明确映射的 24 个型号 / 官方材料 70 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-05-30
Gemini 3 Pro Preview High
83.79 points · LiveBench · 语言 · 2025-05-30
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
GPT-5 Pro
81.36 points · LiveBench · 语言 · 2025-05-30
配置:GPT-5 Pro · gpt-5-pro-2025-10-06
量程 0–100 points
GPT-5 High
LiveBench · 指令遵循 · 2025-05-30
查看完整榜单 →本站明确映射的 24 个型号 / 官方材料 70 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-05-30
GPT-5.1 High
93.28 points · LiveBench · 指令遵循 · 2025-05-30
配置:GPT-5.1 High · gpt-5.1-2025-11-13-high
量程 0–100 points
GPT-5 Pro
91.45 points · LiveBench · 指令遵循 · 2025-05-30
配置:GPT-5 Pro · gpt-5-pro-2025-10-06
量程 0–100 points
Kimi K2 Thinking
90.6 points · LiveBench · 指令遵循 · 2025-05-30
配置:Kimi K2 Thinking · kimi-k2-thinking
量程 0–100 points
LiveBench · 全科 · 2025-11-25
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-11-25
Claude 4.5 Opus Thinking High Effort
76.77 points · LiveBench · 全科 · 2025-11-25
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
GPT-5.1 Codex Max
76.61 points · LiveBench · 全科 · 2025-11-25
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
Gemini 3 Pro Preview High
75.57 points · LiveBench · 全科 · 2025-11-25
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
LiveBench · 推理 · 2025-11-25
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-11-25
GPT-5.1 Codex Max
91.43 points · LiveBench · 推理 · 2025-11-25
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
GPT-5.1 Codex
87.97 points · LiveBench · 推理 · 2025-11-25
配置:GPT-5.1 Codex · gpt-5.1-codex
量程 0–100 points
GPT-5 Pro
87.59 points · LiveBench · 推理 · 2025-11-25
配置:GPT-5 Pro · gpt-5-pro-2025-10-06
量程 0–100 points
LiveBench · 编程答题 · 2025-11-25
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-11-25
GPT-5.1 Codex Max
81.38 points · LiveBench · 编程答题 · 2025-11-25
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
Claude 4.5 Opus Thinking High Effort
79.65 points · LiveBench · 编程答题 · 2025-11-25
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
Claude Sonnet 4.5
76.07 points · LiveBench · 编程答题 · 2025-11-25
配置:Claude Sonnet 4.5 · claude-sonnet-4-5-20250929
量程 0–100 points
LiveBench · 代理编程 · 2025-11-25
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-11-25
Claude 4.5 Opus Thinking High Effort
63.33 points · LiveBench · 代理编程 · 2025-11-25
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
GPT-5.1 Codex Max
56.67 points · LiveBench · 代理编程 · 2025-11-25
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
Gemini 3 Pro Preview High
55 points · LiveBench · 代理编程 · 2025-11-25
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
LiveBench · 数学 · 2025-11-25
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-11-25
Claude 4.5 Opus Thinking High Effort
94.52 points · LiveBench · 数学 · 2025-11-25
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
GPT-5 Pro
94.22 points · LiveBench · 数学 · 2025-11-25
配置:GPT-5 Pro · gpt-5-pro-2025-10-06
量程 0–100 points
Gemini 3 Pro Preview High
94.12 points · LiveBench · 数学 · 2025-11-25
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
LiveBench · 数据分析 · 2025-11-25
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-11-25
Gemini 3 Pro Preview High
74.91 points · LiveBench · 数据分析 · 2025-11-25
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
Gemini 3 Flash Preview High
74.74 points · LiveBench · 数据分析 · 2025-11-25
配置:Gemini 3 Flash Preview High · gemini-3-flash-preview-high
量程 0–100 points
Qwen 3 Next 80B A3B Thinking
73.16 points · LiveBench · 数据分析 · 2025-11-25
配置:Qwen 3 Next 80B A3B Thinking · qwen3-next-80b-a3b-thinking
量程 0–100 points
LiveBench · 语言 · 2025-11-25
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-11-25
Gemini 3 Pro Preview High
84.62 points · LiveBench · 语言 · 2025-11-25
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
Gemini 3 Flash Preview High
84.56 points · LiveBench · 语言 · 2025-11-25
配置:Gemini 3 Flash Preview High · gemini-3-flash-preview-high
量程 0–100 points
Claude 4.5 Opus Thinking High Effort
81.26 points · LiveBench · 语言 · 2025-11-25
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
LiveBench · 指令遵循 · 2025-11-25
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-11-25
Gemini 3 Flash Preview High
74.86 points · LiveBench · 指令遵循 · 2025-11-25
配置:Gemini 3 Flash Preview High · gemini-3-flash-preview-high
量程 0–100 points
GPT-5.1 Codex Max
67.13 points · LiveBench · 指令遵循 · 2025-11-25
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
Gemini 3 Pro Preview High
65.85 points · LiveBench · 指令遵循 · 2025-11-25
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
LiveBench · 全科 · 2025-12-23
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-12-23
Claude 4.5 Opus Thinking High Effort
76.2 points · LiveBench · 全科 · 2025-12-23
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
GPT-5.1 Codex Max
75.63 points · LiveBench · 全科 · 2025-12-23
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
Gemini 3 Pro Preview High
75.22 points · LiveBench · 全科 · 2025-12-23
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
LiveBench · 推理 · 2025-12-23
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-12-23
GPT-5.1 Codex Max
84.57 points · LiveBench · 推理 · 2025-12-23
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
GPT-5.2 High
83.21 points · LiveBench · 推理 · 2025-12-23
配置:GPT-5.2 High · gpt-5.2-2025-12-11-high
量程 0–100 points
GPT-5.1 Codex
81.98 points · LiveBench · 推理 · 2025-12-23
配置:GPT-5.1 Codex · gpt-5.1-codex
量程 0–100 points
LiveBench · 编程答题 · 2025-12-23
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-12-23
GPT-5.1 Codex Max
81.38 points · LiveBench · 编程答题 · 2025-12-23
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
Claude 4.5 Opus Thinking High Effort
79.65 points · LiveBench · 编程答题 · 2025-12-23
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
Claude Sonnet 4.5
76.07 points · LiveBench · 编程答题 · 2025-12-23
配置:Claude Sonnet 4.5 · claude-sonnet-4-5-20250929
量程 0–100 points
LiveBench · 代理编程 · 2025-12-23
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-12-23
Claude 4.5 Opus Thinking High Effort
63.33 points · LiveBench · 代理编程 · 2025-12-23
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
GPT-5.1 Codex Max
56.67 points · LiveBench · 代理编程 · 2025-12-23
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
Gemini 3 Pro Preview High
55 points · LiveBench · 代理编程 · 2025-12-23
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
LiveBench · 数学 · 2025-12-23
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-12-23
Claude 4.5 Opus Thinking High Effort
94.52 points · LiveBench · 数学 · 2025-12-23
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
GPT-5 Pro
94.22 points · LiveBench · 数学 · 2025-12-23
配置:GPT-5 Pro · gpt-5-pro-2025-10-06
量程 0–100 points
Gemini 3 Pro Preview High
94.12 points · LiveBench · 数学 · 2025-12-23
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
LiveBench · 数据分析 · 2025-12-23
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-12-23
Gemini 3 Pro Preview High
74.91 points · LiveBench · 数据分析 · 2025-12-23
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
Gemini 3 Flash Preview High
74.74 points · LiveBench · 数据分析 · 2025-12-23
配置:Gemini 3 Flash Preview High · gemini-3-flash-preview-high
量程 0–100 points
Qwen 3 Next 80B A3B Thinking
73.16 points · LiveBench · 数据分析 · 2025-12-23
配置:Qwen 3 Next 80B A3B Thinking · qwen3-next-80b-a3b-thinking
量程 0–100 points
LiveBench · 语言 · 2025-12-23
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-12-23
Gemini 3 Pro Preview High
84.62 points · LiveBench · 语言 · 2025-12-23
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
Gemini 3 Flash Preview High
84.56 points · LiveBench · 语言 · 2025-12-23
配置:Gemini 3 Flash Preview High · gemini-3-flash-preview-high
量程 0–100 points
Claude 4.5 Opus Thinking High Effort
81.26 points · LiveBench · 语言 · 2025-12-23
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
LiveBench · 指令遵循 · 2025-12-23
查看完整榜单 →本站明确映射的 22 个型号 / 官方材料 65 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2025-12-23
Gemini 3 Flash Preview High
74.86 points · LiveBench · 指令遵循 · 2025-12-23
配置:Gemini 3 Flash Preview High · gemini-3-flash-preview-high
量程 0–100 points
GPT-5.1 Codex Max
67.13 points · LiveBench · 指令遵循 · 2025-12-23
配置:GPT-5.1 Codex Max · gpt-5.1-codex-max
量程 0–100 points
Gemini 3 Pro Preview High
65.85 points · LiveBench · 指令遵循 · 2025-12-23
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
LiveBench · 全科 · 2026-01-08
查看完整榜单 →本站明确映射的 42 个型号 / 官方材料 121 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-01-08
GPT-5.5 Thinking xHigh Effort
80.71 points · LiveBench · 全科 · 2026-01-08
配置:GPT-5.5 Thinking xHigh Effort · gpt-5.5-xhigh
量程 0–100 points
GPT-5.4 Thinking xHigh Effort
80.28 points · LiveBench · 全科 · 2026-01-08
配置:GPT-5.4 Thinking xHigh Effort · gpt-5.4-xhigh
量程 0–100 points
Gemini 3.1 Pro Preview High
79.93 points · LiveBench · 全科 · 2026-01-08
配置:Gemini 3.1 Pro Preview High · gemini-3.1-pro-preview-high
量程 0–100 points
LiveBench · 推理 · 2026-01-08
查看完整榜单 →本站明确映射的 42 个型号 / 官方材料 121 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-01-08
Claude 4.6 Opus Thinking High Effort
88.67 points · LiveBench · 推理 · 2026-01-08
配置:Claude 4.6 Opus Thinking High Effort · claude-opus-4-6-thinking-auto-high-effort
量程 0–100 points
GPT-5.4 Thinking xHigh Effort
88.12 points · LiveBench · 推理 · 2026-01-08
配置:GPT-5.4 Thinking xHigh Effort · gpt-5.4-xhigh
量程 0–100 points
GPT-5.5 Thinking xHigh Effort
87.71 points · LiveBench · 推理 · 2026-01-08
配置:GPT-5.5 Thinking xHigh Effort · gpt-5.5-xhigh
量程 0–100 points
LiveBench · 编程答题 · 2026-01-08
查看完整榜单 →本站明确映射的 42 个型号 / 官方材料 121 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-01-08
GPT-5.2 Codex
83.62 points · LiveBench · 编程答题 · 2026-01-08
配置:GPT-5.2 Codex · gpt-5.2-codex
量程 0–100 points
GPT-5.5 Thinking xHigh Effort
82.47 points · LiveBench · 编程答题 · 2026-01-08
配置:GPT-5.5 Thinking xHigh Effort · gpt-5.5-xhigh
量程 0–100 points
Claude 4.7 Opus Thinking xHigh Effort
82.09 points · LiveBench · 编程答题 · 2026-01-08
配置:Claude 4.7 Opus Thinking xHigh Effort · claude-opus-4-7-xhigh-effort
量程 0–100 points
LiveBench · 代理编程 · 2026-01-08
查看完整榜单 →本站明确映射的 42 个型号 / 官方材料 121 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-01-08
GPT-5.4 Thinking xHigh Effort
70 points · LiveBench · 代理编程 · 2026-01-08
配置:GPT-5.4 Thinking xHigh Effort · gpt-5.4-xhigh
量程 0–100 points
Gemini 3.1 Pro Preview High
65 points · LiveBench · 代理编程 · 2026-01-08
配置:Gemini 3.1 Pro Preview High · gemini-3.1-pro-preview-high
量程 0–100 points
Claude 4.5 Opus Thinking High Effort
63.33 points · LiveBench · 代理编程 · 2026-01-08
配置:Claude 4.5 Opus Thinking High Effort · claude-opus-4-5-20251101-thinking-64k-high-effort
量程 0–100 points
LiveBench · 数学 · 2026-01-08
查看完整榜单 →本站明确映射的 42 个型号 / 官方材料 121 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-01-08
GPT-5.5 Thinking xHigh Effort
96.32 points · LiveBench · 数学 · 2026-01-08
配置:GPT-5.5 Thinking xHigh Effort · gpt-5.5-xhigh
量程 0–100 points
GPT-5.4 Thinking xHigh Effort
94.15 points · LiveBench · 数学 · 2026-01-08
配置:GPT-5.4 Thinking xHigh Effort · gpt-5.4-xhigh
量程 0–100 points
GPT-5.2 High
93.17 points · LiveBench · 数学 · 2026-01-08
配置:GPT-5.2 High · gpt-5.2-2025-12-11-high
量程 0–100 points
LiveBench · 数据分析 · 2026-01-08
查看完整榜单 →本站明确映射的 42 个型号 / 官方材料 121 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-01-08
GPT-5.5 Thinking xHigh Effort
81.08 points · LiveBench · 数据分析 · 2026-01-08
配置:GPT-5.5 Thinking xHigh Effort · gpt-5.5-xhigh
量程 0–100 points
GPT-5.4 Thinking xHigh Effort
79.31 points · LiveBench · 数据分析 · 2026-01-08
配置:GPT-5.4 Thinking xHigh Effort · gpt-5.4-xhigh
量程 0–100 points
Gemini 3.1 Pro Preview High
78.54 points · LiveBench · 数据分析 · 2026-01-08
配置:Gemini 3.1 Pro Preview High · gemini-3.1-pro-preview-high
量程 0–100 points
LiveBench · 语言 · 2026-01-08
查看完整榜单 →本站明确映射的 42 个型号 / 官方材料 121 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-01-08
GPT-5.5 Thinking xHigh Effort
87.66 points · LiveBench · 语言 · 2026-01-08
配置:GPT-5.5 Thinking xHigh Effort · gpt-5.5-xhigh
量程 0–100 points
Gemini 3.1 Pro Preview High
85.38 points · LiveBench · 语言 · 2026-01-08
配置:Gemini 3.1 Pro Preview High · gemini-3.1-pro-preview-high
量程 0–100 points
Gemini 3 Pro Preview High
84.62 points · LiveBench · 语言 · 2026-01-08
配置:Gemini 3 Pro Preview High · gemini-3-pro-preview-11-2025-high
量程 0–100 points
LiveBench · 指令遵循 · 2026-01-08
查看完整榜单 →本站明确映射的 42 个型号 / 官方材料 121 个配置行;这是收录子集排名,并非官网完整名次。 · LiveBench 2026-01-08
Gemini 3.1 Pro Preview High
79.1 points · LiveBench · 指令遵循 · 2026-01-08
配置:Gemini 3.1 Pro Preview High · gemini-3.1-pro-preview-high
量程 0–100 points
Gemini 3.5 Flash High
75.6 points · LiveBench · 指令遵循 · 2026-01-08
配置:Gemini 3.5 Flash High · gemini-3.5-flash-high
量程 0–100 points
Gemini 3 Flash Preview High
74.86 points · LiveBench · 指令遵循 · 2026-01-08
配置:Gemini 3 Flash Preview High · gemini-3-flash-preview-high
量程 0–100 points
Epoch · ECI 官方指数
查看完整榜单 →本站已映射 93 型号 / 93 配置;上游 268 行 · Epoch general ECI
GPT-6 Astra
166.6 ECI · Epoch · ECI 官方指数
配置:Epoch 官方 general ECI 拟合;上游跨评测及配置选择
来源区间 163–172.03;点估计排序不表示显著领先。
成绩来源 ↗Claude Fable 5.1
165 ECI · Epoch · ECI 官方指数
配置:Epoch 官方 general ECI 拟合;上游跨评测及配置选择
来源区间 161.64–169.61;点估计排序不表示显著领先。
成绩来源 ↗Claude Fable 5
163.6 ECI · Epoch · ECI 官方指数
配置:Epoch 官方 general ECI 拟合;上游跨评测及配置选择
来源区间 160.56–167.57;点估计排序不表示显著领先。
成绩来源 ↗Epoch · GPQA diamond
查看完整榜单 →本站已映射 101 型号 / 179 配置;上游 315 行 · GPQA diamond / 2023-11-20
Epoch · MATH level 5
查看完整榜单 →本站已映射 30 型号 / 35 配置;上游 108 行 · MATH level 5 / 2021-03-05
gpt-5-2025-08-07_high
98.13066465256797 points · Epoch · MATH level 5
配置:gpt-5-2025-08-07_high
量程 0–100 points
gpt-5-2025-08-07_medium
97.92296072507553 points · Epoch · MATH level 5
配置:gpt-5-2025-08-07_medium
量程 0–100 points
gpt-5-mini-2025-08-07_high
97.8474320241692 points · Epoch · MATH level 5
配置:gpt-5-mini-2025-08-07_high
量程 0–100 points
Epoch · SWE-Bench verified
查看完整榜单 →本站已映射 25 型号 / 26 配置;上游 35 行 · SWE-Bench verified / 2024-08-13
claude-opus-4-7_max
83.47107438016529 points · Epoch · SWE-Bench verified
配置:claude-opus-4-7_max
量程 0–100 points
gpt-5.5-pre-release_xhigh
80.57851239669421 points · Epoch · SWE-Bench verified
配置:gpt-5.5-pre-release_xhigh
量程 0–100 points
gemini-3.5-flash_high
79.33884297520662 points · Epoch · SWE-Bench verified
配置:gemini-3.5-flash_high
量程 0–100 points
Epoch · OTIS Mock AIME 2024-2025
查看完整榜单 →本站已映射 98 型号 / 178 配置;上游 293 行 · OTIS Mock AIME 2024-2025 / 2024-12-19
qwen3.8-max-0902_xhigh
100 points · Epoch · OTIS Mock AIME 2024-2025
配置:qwen3.8-max-0902_xhigh
量程 0–100 points
gpt-5.6-sol_max
claude-sonnet-5-5_max
100 points · Epoch · OTIS Mock AIME 2024-2025
配置:claude-sonnet-5-5_max
量程 0–100 points
Epoch · FrontierMath-2025-02-28-Private
查看完整榜单 →本站已映射 44 型号 / 63 配置;上游 101 行 · FrontierMath-2025-02-28-Private / 2025-02-28
gpt-5.5-pro-pre-release_high
52.400000000000006 points · Epoch · FrontierMath-2025-02-28-Private
配置:gpt-5.5-pro-pre-release_high
量程 0–100 points
gpt-5.5-pre-release_xhigh
51.7 points · Epoch · FrontierMath-2025-02-28-Private
配置:gpt-5.5-pre-release_xhigh
量程 0–100 points
gpt-5.5-pro-pre-release_xhigh
51 points · Epoch · FrontierMath-2025-02-28-Private
配置:gpt-5.5-pro-pre-release_xhigh
量程 0–100 points
Epoch · FrontierMath-Tier-4-2025-07-01-Private
查看完整榜单 →本站已映射 38 型号 / 51 配置;上游 72 行 · FrontierMath-Tier-4-2025-07-01-Private / 2025-07-11
gpt-5.5-pro-pre-release_high
39.6 points · Epoch · FrontierMath-Tier-4-2025-07-01-Private
配置:gpt-5.5-pro-pre-release_high
量程 0–100 points
gpt-5.5-pro-pre-release_xhigh
39.6 points · Epoch · FrontierMath-Tier-4-2025-07-01-Private
配置:gpt-5.5-pro-pre-release_xhigh
量程 0–100 points
gpt-5.4-pro-2026-03-05-web-app
37.5 points · Epoch · FrontierMath-Tier-4-2025-07-01-Private
配置:gpt-5.4-pro-2026-03-05-web-app
量程 0–100 points
Epoch · FrontierMath-Tiers-1-3-v2-Private
查看完整榜单 →本站已映射 62 型号 / 91 配置;上游 110 行 · FrontierMath-Tiers-1-3-v2-Private / 2026-06-12
gpt-6-astra_max
93.6842105263158 points · Epoch · FrontierMath-Tiers-1-3-v2-Private
配置:gpt-6-astra_max
量程 0–100 points
claude-opus-5-5_max
91.22807017543859 points · Epoch · FrontierMath-Tiers-1-3-v2-Private
配置:claude-opus-5-5_max
量程 0–100 points
claude-fable-5-1_max
90.17543859649123 points · Epoch · FrontierMath-Tiers-1-3-v2-Private
配置:claude-fable-5-1_max
量程 0–100 points
Epoch · FrontierMath-Tier-4-v2-Private
查看完整榜单 →本站已映射 49 型号 / 56 配置;上游 66 行 · FrontierMath-Tier-4-v2-Private / 2026-06-12
gpt-6-astra_xhigh
97.6 points · Epoch · FrontierMath-Tier-4-v2-Private
配置:gpt-6-astra_xhigh
量程 0–100 points
gpt-6-astra_high
97.6 points · Epoch · FrontierMath-Tier-4-v2-Private
配置:gpt-6-astra_high
量程 0–100 points
gpt-6-astra_max
97.6 points · Epoch · FrontierMath-Tier-4-v2-Private
配置:gpt-6-astra_max
量程 0–100 points
Epoch · SimpleQA Verified
查看完整榜单 →本站已映射 55 型号 / 62 配置;上游 82 行 · SimpleQA Verified / 2025-09-09
Epoch · Chess Puzzles
查看完整榜单 →本站已映射 80 型号 / 158 配置;上游 224 行 · Chess Puzzles / 2025-12-10
Epoch · Mystery Game Puzzles
查看完整榜单 →本站已映射 53 型号 / 105 配置;上游 131 行 · Mystery Game Puzzles / 2026-07-30
Epoch · MirrorCode
查看完整榜单 →本站已映射 8 型号 / 8 配置;上游 9 行 · MirrorCode / 2026-06-26
Arena · text_to_image · 人类偏好
查看完整榜单 →本站 4 型号 / 4 配置;上游 80 行 · text_to_image/latest/overall
gpt-image-2.5-sunburst
1423.6048361955234 points · Arena · text_to_image · 人类偏好
配置:gpt-image-2.5-sunburst / text_to_image / overall
来源区间 1415.9321932783876–1431.277479112659;点估计排序不表示显著领先。
成绩来源 ↗gpt-image-2.5-flare
1400.9416980966648 points · Arena · text_to_image · 人类偏好
配置:gpt-image-2.5-flare / text_to_image / overall
来源区间 1393.2726719654402–1408.6107242278895;点估计排序不表示显著领先。
成绩来源 ↗qwen-image-2.1
1227.608026459679 points · Arena · text_to_image · 人类偏好
配置:qwen-image-2.1 / text_to_image / overall
来源区间 1218.5758902344971–1236.6401626848608;点估计排序不表示显著领先。
成绩来源 ↗Arena · image_edit · 人类偏好
查看完整榜单 →本站 4 型号 / 4 配置;上游 56 行 · image_edit/latest/overall
gpt-image-2.5-sunburst
1525.9810912060939 points · Arena · image_edit · 人类偏好
配置:gpt-image-2.5-sunburst / image_edit / overall
来源区间 1519.7313277121884–1532.2308546999989;点估计排序不表示显著领先。
成绩来源 ↗gpt-image-2.5-flare
1481.848305165563 points · Arena · image_edit · 人类偏好
配置:gpt-image-2.5-flare / image_edit / overall
来源区间 1475.7882094712886–1487.9084008598375;点估计排序不表示显著领先。
成绩来源 ↗qwen-image-2.1
1367.3593048639423 points · Arena · image_edit · 人类偏好
配置:qwen-image-2.1 / image_edit / overall
来源区间 1358.646984626494–1376.071625101391;点估计排序不表示显著领先。
成绩来源 ↗Arena · search · 人类偏好
查看完整榜单 →本站 5 型号 / 5 配置;上游 34 行 · search/latest/overall
claude-opus-4-7
1233.2545271621282 points · Arena · search · 人类偏好
配置:claude-opus-4-7 / search / overall
来源区间 1227.873748107417–1238.6353062168391;点估计排序不表示显著领先。
成绩来源 ↗claude-fable-5
1230.2225243963933 points · Arena · search · 人类偏好
配置:claude-fable-5 / search / overall
来源区间 1222.3089533463658–1238.1360954464205;点估计排序不表示显著领先。
成绩来源 ↗grok-4.5
1212.646185108397 points · Arena · search · 人类偏好
配置:grok-4.5 / search / overall
来源区间 1205.7834727411348–1219.5088974756593;点估计排序不表示显著领先。
成绩来源 ↗Arena · document · 人类偏好
查看完整榜单 →本站 19 型号 / 19 配置;上游 44 行 · document/latest/overall
claude-opus-4-6
1507.0536318152122 points · Arena · document · 人类偏好
配置:claude-opus-4-6 / document / overall
来源区间 1501.1833603686346–1512.9239032617897;点估计排序不表示显著领先。
成绩来源 ↗claude-fable-5
1496.0822362465265 points · Arena · document · 人类偏好
配置:claude-fable-5 / document / overall
来源区间 1488.2213598981848–1503.9431125948686;点估计排序不表示显著领先。
成绩来源 ↗claude-opus-4-7
1495.0390463625913 points · Arena · document · 人类偏好
配置:claude-opus-4-7 / document / overall
来源区间 1488.6649626402418–1501.4131300849403;点估计排序不表示显著领先。
成绩来源 ↗快照档案
北京时间日界线;同日可修订,不补造缺失日。
2026-09-30 · 65 个有效榜单
核验:2026-09-30T02:15:05.886Z
规则:arena-v2.1
打开此历史榜单 →来源时间:LiveBench · 全科 2026-09-29T19:01:46.000Z;LiveBench · 推理 2026-09-29T19:01:46.000Z;LiveBench · 编程答题 2026-09-29T19:01:46.000Z;LiveBench · 代理编程 2026-09-29T19:01:46.000Z;LiveBench · 数学 2026-09-29T19:01:46.000Z;LiveBench · 数据分析 2026-09-29T19:01:46.000Z;LiveBench · 语言 2026-09-29T19:01:46.000Z;LiveBench · 指令遵循 2026-09-29T19:01:46.000Z;LiveBench · 全科 · 2024-11-25 2026-09-29T19:01:46.000Z;LiveBench · 推理 · 2024-11-25 2026-09-29T19:01:46.000Z;LiveBench · 编程答题 · 2024-11-25 2026-09-29T19:01:46.000Z;LiveBench · 数学 · 2024-11-25 2026-09-29T19:01:46.000Z;LiveBench · 数据分析 · 2024-11-25 2026-09-29T19:01:46.000Z;LiveBench · 语言 · 2024-11-25 2026-09-29T19:01:46.000Z;LiveBench · 指令遵循 · 2024-11-25 2026-09-29T19:01:46.000Z;LiveBench · 全科 · 2025-05-30 2026-09-29T19:01:46.000Z;LiveBench · 推理 · 2025-05-30 2026-09-29T19:01:46.000Z;LiveBench · 编程答题 · 2025-05-30 2026-09-29T19:01:46.000Z;LiveBench · 代理编程 · 2025-05-30 2026-09-29T19:01:46.000Z;LiveBench · 数学 · 2025-05-30 2026-09-29T19:01:46.000Z;LiveBench · 数据分析 · 2025-05-30 2026-09-29T19:01:46.000Z;LiveBench · 语言 · 2025-05-30 2026-09-29T19:01:46.000Z;LiveBench · 指令遵循 · 2025-05-30 2026-09-29T19:01:46.000Z;LiveBench · 全科 · 2025-11-25 2026-09-29T19:01:46.000Z;LiveBench · 推理 · 2025-11-25 2026-09-29T19:01:46.000Z;LiveBench · 编程答题 · 2025-11-25 2026-09-29T19:01:46.000Z;LiveBench · 代理编程 · 2025-11-25 2026-09-29T19:01:46.000Z;LiveBench · 数学 · 2025-11-25 2026-09-29T19:01:46.000Z;LiveBench · 数据分析 · 2025-11-25 2026-09-29T19:01:46.000Z;LiveBench · 语言 · 2025-11-25 2026-09-29T19:01:46.000Z;LiveBench · 指令遵循 · 2025-11-25 2026-09-29T19:01:46.000Z;LiveBench · 全科 · 2025-12-23 2026-09-29T19:01:46.000Z;LiveBench · 推理 · 2025-12-23 2026-09-29T19:01:46.000Z;LiveBench · 编程答题 · 2025-12-23 2026-09-29T19:01:46.000Z;LiveBench · 代理编程 · 2025-12-23 2026-09-29T19:01:46.000Z;LiveBench · 数学 · 2025-12-23 2026-09-29T19:01:46.000Z;LiveBench · 数据分析 · 2025-12-23 2026-09-29T19:01:46.000Z;LiveBench · 语言 · 2025-12-23 2026-09-29T19:01:46.000Z;LiveBench · 指令遵循 · 2025-12-23 2026-09-29T19:01:46.000Z;LiveBench · 全科 · 2026-01-08 2026-09-29T19:01:46.000Z;LiveBench · 推理 · 2026-01-08 2026-09-29T19:01:46.000Z;LiveBench · 编程答题 · 2026-01-08 2026-09-29T19:01:46.000Z;LiveBench · 代理编程 · 2026-01-08 2026-09-29T19:01:46.000Z;LiveBench · 数学 · 2026-01-08 2026-09-29T19:01:46.000Z;LiveBench · 数据分析 · 2026-01-08 2026-09-29T19:01:46.000Z;LiveBench · 语言 · 2026-01-08 2026-09-29T19:01:46.000Z;LiveBench · 指令遵循 · 2026-01-08 2026-09-29T19:01:46.000Z;Epoch · ECI 官方指数 null;Epoch · GPQA diamond null;Epoch · MATH level 5 null;Epoch · SWE-Bench verified null;Epoch · OTIS Mock AIME 2024-2025 null;Epoch · FrontierMath-2025-02-28-Private null;Epoch · FrontierMath-Tier-4-2025-07-01-Private null;Epoch · FrontierMath-Tiers-1-3-v2-Private null;Epoch · FrontierMath-Tier-4-v2-Private null;Epoch · SimpleQA Verified null;Epoch · Chess Puzzles null;Epoch · Mystery Game Puzzles null;Epoch · MirrorCode null;Arena · text_to_image · 人类偏好 2026-09-24T00:00:00Z;Arena · image_edit · 人类偏好 2026-09-22T00:00:00Z;Arena · search · 人类偏好 2026-08-24T00:00:00Z;Arena · document · 人类偏好 2026-09-13T00:00:00Z;API 文本场景成本 2026-09-30T02:15:05.886Z
2026-09-29 · 65 个有效榜单
核验:2026-09-29T12:45:31.712Z
规则:arena-v2.1
打开此历史榜单 →来源时间:LiveBench · 全科 2026-09-28T19:39:25.000Z;LiveBench · 推理 2026-09-28T19:39:25.000Z;LiveBench · 编程答题 2026-09-28T19:39:25.000Z;LiveBench · 代理编程 2026-09-28T19:39:25.000Z;LiveBench · 数学 2026-09-28T19:39:25.000Z;LiveBench · 数据分析 2026-09-28T19:39:25.000Z;LiveBench · 语言 2026-09-28T19:39:25.000Z;LiveBench · 指令遵循 2026-09-28T19:39:25.000Z;LiveBench · 全科 · 2024-11-25 2026-09-28T19:39:25.000Z;LiveBench · 推理 · 2024-11-25 2026-09-28T19:39:25.000Z;LiveBench · 编程答题 · 2024-11-25 2026-09-28T19:39:25.000Z;LiveBench · 数学 · 2024-11-25 2026-09-28T19:39:25.000Z;LiveBench · 数据分析 · 2024-11-25 2026-09-28T19:39:25.000Z;LiveBench · 语言 · 2024-11-25 2026-09-28T19:39:25.000Z;LiveBench · 指令遵循 · 2024-11-25 2026-09-28T19:39:25.000Z;LiveBench · 全科 · 2025-05-30 2026-09-28T19:39:25.000Z;LiveBench · 推理 · 2025-05-30 2026-09-28T19:39:25.000Z;LiveBench · 编程答题 · 2025-05-30 2026-09-28T19:39:25.000Z;LiveBench · 代理编程 · 2025-05-30 2026-09-28T19:39:25.000Z;LiveBench · 数学 · 2025-05-30 2026-09-28T19:39:25.000Z;LiveBench · 数据分析 · 2025-05-30 2026-09-28T19:39:25.000Z;LiveBench · 语言 · 2025-05-30 2026-09-28T19:39:25.000Z;LiveBench · 指令遵循 · 2025-05-30 2026-09-28T19:39:25.000Z;LiveBench · 全科 · 2025-11-25 2026-09-28T19:39:25.000Z;LiveBench · 推理 · 2025-11-25 2026-09-28T19:39:25.000Z;LiveBench · 编程答题 · 2025-11-25 2026-09-28T19:39:25.000Z;LiveBench · 代理编程 · 2025-11-25 2026-09-28T19:39:25.000Z;LiveBench · 数学 · 2025-11-25 2026-09-28T19:39:25.000Z;LiveBench · 数据分析 · 2025-11-25 2026-09-28T19:39:25.000Z;LiveBench · 语言 · 2025-11-25 2026-09-28T19:39:25.000Z;LiveBench · 指令遵循 · 2025-11-25 2026-09-28T19:39:25.000Z;LiveBench · 全科 · 2025-12-23 2026-09-28T19:39:25.000Z;LiveBench · 推理 · 2025-12-23 2026-09-28T19:39:25.000Z;LiveBench · 编程答题 · 2025-12-23 2026-09-28T19:39:25.000Z;LiveBench · 代理编程 · 2025-12-23 2026-09-28T19:39:25.000Z;LiveBench · 数学 · 2025-12-23 2026-09-28T19:39:25.000Z;LiveBench · 数据分析 · 2025-12-23 2026-09-28T19:39:25.000Z;LiveBench · 语言 · 2025-12-23 2026-09-28T19:39:25.000Z;LiveBench · 指令遵循 · 2025-12-23 2026-09-28T19:39:25.000Z;LiveBench · 全科 · 2026-01-08 2026-09-28T19:39:25.000Z;LiveBench · 推理 · 2026-01-08 2026-09-28T19:39:25.000Z;LiveBench · 编程答题 · 2026-01-08 2026-09-28T19:39:25.000Z;LiveBench · 代理编程 · 2026-01-08 2026-09-28T19:39:25.000Z;LiveBench · 数学 · 2026-01-08 2026-09-28T19:39:25.000Z;LiveBench · 数据分析 · 2026-01-08 2026-09-28T19:39:25.000Z;LiveBench · 语言 · 2026-01-08 2026-09-28T19:39:25.000Z;LiveBench · 指令遵循 · 2026-01-08 2026-09-28T19:39:25.000Z;Epoch · ECI 官方指数 null;Epoch · GPQA diamond null;Epoch · MATH level 5 null;Epoch · SWE-Bench verified null;Epoch · OTIS Mock AIME 2024-2025 null;Epoch · FrontierMath-2025-02-28-Private null;Epoch · FrontierMath-Tier-4-2025-07-01-Private null;Epoch · FrontierMath-Tiers-1-3-v2-Private null;Epoch · FrontierMath-Tier-4-v2-Private null;Epoch · SimpleQA Verified null;Epoch · Chess Puzzles null;Epoch · Mystery Game Puzzles null;Epoch · MirrorCode null;Arena · text_to_image · 人类偏好 2026-09-24T00:00:00Z;Arena · image_edit · 人类偏好 2026-09-22T00:00:00Z;Arena · search · 人类偏好 2026-08-24T00:00:00Z;Arena · document · 人类偏好 2026-09-13T00:00:00Z;API 文本场景成本 2026-09-29T12:45:31.712Z
尚未启用的神位
成功任务成本未接入;API 报价与评测运行配置不能自动等价。
查看来源审核状态 ↗