LiveBench Global Average

LiveBench · 题库持续更换，答案可以自动核对。用来看模型换题之后还能不能站住。

在 AI Insight Hub 中交叉参考

证据预算不计分

上游数据时间09/30 03:01

最近成功同步10/03 20:05

它测什么，怎么测

保留官方 Global Average 作整体参考；正式分数使用互不重复的专项任务。

如何使用这份证据

原始 Global Average 留作参考；正式票改用互不重复的专项任务。

评测成绩

按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	claude-fable-5-1-max-effort—	83.4%	Max 推理
2	claude-opus-5-5-max-effort—	83.2%	Max 推理
3	claude-fable-5-max-effort—	83.0%	Max 推理
4	gpt-6-astra-max—	82.2%	Max 推理
6	gpt-6.1-sol-max—	81.6%	Max 推理
7	muse-spark-1.3-xhigh—	81.6%	xHigh 推理
9	deepseek-v4.1-flash-max—	81.1%	来源默认配置
10	gpt-5.6-sol-max—	81.1%	Max 推理
11	gpt-5.5-xhigh—	80.2%	xHigh 推理
12	claude-opus-5-max-effort—	80.1%	Max 推理
13	smaug-agentic—	79.5%	来源默认配置
14	gpt-6-sol-max—	79.2%	Max 推理
15	kimi-k3—	79.2%	来源默认配置
16	gemini-3.7-flash-high—	78.8%	High 推理
17	qwen3.8-max—	78.5%	来源默认配置
18	grok-4.6—	78.0%	来源默认配置
19	gpt-5.4-xhigh—	78.0%	xHigh 推理
20	muse-spark-1.2-xhigh—	78.0%	xHigh 推理
21	gpt-5.6-terra-max—	77.9%	Max 推理
23	deepseek-v4-pro-0813—	77.4%	来源默认配置
24	smaug-flash—	77.4%	来源默认配置
25	grok-4.7-xhigh—	77.4%	xHigh 推理
26	gemini-3.1-pro-preview-high—	77.0%	High 推理
27	smaug-mini—	76.9%	来源默认配置
28	deepseek-v4-flash-vision-exp—	76.8%	来源默认配置
29	claude-opus-4-7-xhigh-effort—	76.5%	xHigh 推理
30	claude-opus-4-8-max-effort—	76.2%	Max 推理
31	qwen3.8-flash-next—	76.2%	来源默认配置
32	glm-5.3—	76.1%	来源默认配置
33	claude-sonnet-5-xhigh-effort—	76.0%	xHigh 推理

评测局限与数据署名

综合均分会稀释特定能力的变化；仅交叉参考，不重复计票。组织参与方 Abacus.AI 同时开发 Smaug 模型，其独家成绩需要其他独立来源补充。

数据许可：Apache 2.0

成绩由 LiveBench 发布，原始分数与 AI Insight Hub 共识分使用不同尺度，不能直接相加。