LiveBench · 推理与数学

Name: LiveBench · 推理与数学
Creator: LiveBench

LiveBench / 推理 · Reasoning + Mathematics 两项均分，各占 50%。

在 AI Insight Hub 中参与排名

证据预算4.2%

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

先分别计算 Reasoning、Mathematics 的分类成绩，再各占 50% 求平均，最后保留一位小数。两项均分与官网单独选择某一类的成绩不同。

两项均分作为一份证据参与排名，各专项共用 LiveBench 证据家族；Global Average 仅供参考，不重复计票。

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	gpt-6.1-sol-max—	94.7%	Max 推理
2	gpt-6-astra-max—	94.7%	Max 推理
3	claude-opus-5-5-max-effort—	94.6%	Max 推理
4	claude-fable-5-1-max-effort—	94.3%	Max 推理
6	gpt-5.6-sol-max—	93.9%	Max 推理
7	claude-sonnet-5-5-max-effort—	93.9%	Max 推理
9	claude-opus-5-max-effort—	93.5%	Max 推理
10	claude-fable-5-max-effort—	92.8%	Max 推理
11	muse-spark-1.3-xhigh—	92.8%	xHigh 推理
12	gpt-5.6-terra-max—	92.8%	Max 推理
13	gpt-5.5-xhigh—	92.8%	xHigh 推理
14	gpt-6-sol-max—	92.5%	Max 推理
15	claude-opus-4-8-max-effort—	91.8%	Max 推理
17	grok-4.6—	91.5%	来源默认配置
18	gpt-5.4-xhigh—	91.1%	xHigh 推理
19	claude-sonnet-5-xhigh-effort—	90.8%	xHigh 推理
20	gemini-3.7-flash-high—	90.6%	High 推理
21	muse-spark-1.2-xhigh—	90.6%	xHigh 推理
22	deepseek-v4-pro-0813—	90.5%	来源默认配置
23	gemini-3.8-flash-high—	90.4%	High 推理
24	claude-opus-4-7-xhigh-effort—	90.0%	xHigh 推理
25	deepseek-v4.1-flash-max—	90.0%	来源默认配置
26	qwen3.8-max—	89.8%	来源默认配置
27	grok-4.7-xhigh—	89.2%	xHigh 推理
28	grok-4.5—	89.0%	来源默认配置
29	claude-opus-4-6-thinking-auto-high-effort—	89.0%	High 推理
30	gpt-5.2-2025-12-11-high—	88.2%	High 推理
31	smaug-flash—	88.1%	来源默认配置
32	kimi-k3—	87.6%	来源默认配置
33	gemini-3.1-pro-preview-high—	87.5%	High 推理

评测局限与数据署名

两项均分衡量组合表现，不能当成 Reasoning 单项成绩。官方页面切换分类或是否包含微调模型时，分数与排序会随之变化。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

分项成绩由 LiveBench 发布，AIHOT 按上述两类等权汇总并排序。两项均分与 AIHOT 共识分使用不同尺度，不能直接相加。