聚合 GPQA / HLE / LiveCodeBench / τ²-bench 等十项基准的综合智能分，兼顾价格与速度。华尔街与产业界最广引用的「一个数看模型强弱」综合指标。
| # | 模型 | 分数 | 价格 / 备注 |
|---|---|---|---|
| 1/132 | ✳Claude Opus 5.5 (max with fallback)Anthropic美 | 58 | $5.98/task · 1M ctx · 榜首五连 |
| 2/132 | ✳Claude Sonnet 5.5 (max with fallback)Anthropic美 | 56 | $5.46/task · 1M ctx |
| 3/132 | ✳Claude Opus 5.5 (xhigh with fallback)Anthropic美 | 56 | $3.46/task · 1M ctx |
| 4/132 | MMuse Wonder Full (max)Meta美 | 56 | 1M ctx · 价格/速度连续两周未测出 |
| 5/132 | KKimi K3.1 Pro月之暗面 Kimi中 | 55 | $2.11/task · 1M ctx · 新首发空降·国产史上最高位 |
| 6/132 | ✳Claude Opus 5.5 (high with fallback)Anthropic美 | 54 | $1.82/task · 1M ctx |
| 7/132 | ✳Claude Fable 5.1 (max with fallback)Anthropic美 | 53 | $7.63/task · 1M ctx |
| 8/132 | ✳Claude Fable 5.1 (xhigh with fallback)Anthropic美 | 53 | $5.98/task · 1M ctx |
| 9/132 | ◉GPT-6 Astra (max)OpenAI美 | 53 | $3.26/task · 1M ctx |
| 10/132 | ◆Gemini 4 Argon (high)Google美 | 53 | $1.99/task · 1M ctx · 79 t/s |
| 11/132 | MMuse Wonder (max)Meta美 | 52 | $4.54/task · 145 t/s · 1.05M ctx |
| 12/132 | ◉GPT-6 Astra (xhigh)OpenAI美 | 52 | $2.31/task · 1M ctx |
| 13/132 | ✳Claude Sonnet 5.5 (xhigh with fallback)Anthropic美 | 52 | $2.01/task · 1M ctx |
| 14/132 | ◉GPT-6.1 Sol (max)OpenAI美 | 52 | $0.72/task · 1M ctx |
| 15/132 | ✳Claude Opus 5.5 (medium with fallback)Anthropic美 | 51 | $1.34/task · 1M ctx |
| 16/132 | ✳Claude Fable 5.1 (high with fallback)Anthropic美 | 51 | $3.91/task · 1M ctx |
| 17/132 | ◉GPT-6.1 Sol (xhigh)OpenAI美 | 51 | $0.39/task · 1M ctx |
| 18/132 | ◉GPT-6 Astra (high)OpenAI美 | 51 | $1.73/task · 1M ctx |
| 19/132 | ◉GPT-6.1 Sol (high)OpenAI美 | 50 | $0.32/task · 1M ctx |
| 20/132 | ◉GPT-6 Astra (medium)OpenAI美 | 50 | $1.54/task · 1M ctx |
| 21/132 | ✳Claude Fable 5.1 (medium with fallback)Anthropic美 | 49 | $2.98/task · 1M ctx |
| 22/132 | ◉GPT-6.1 Sol (medium)OpenAI美 | 48 | $0.21/task · 1M ctx |
| 23/132 | ✳Claude Fable 5.1 (low with fallback)Anthropic美 | 47 | $2.37/task · 1M ctx |
| 24/132 | ✳Claude Sonnet 5.5 (high with fallback)Anthropic美 | 47 | $0.88/task · 1M ctx |
| 25/132 | ✕Grok 4.7 (xhigh)xAI美 | 46 | $3.74/task · 500k ctx |
| 26/132 | ✕Grok 4.7 (high)xAI美 | 46 | $2.73/task · 500k ctx |
| 27/132 | 米MiMo-V2.6-Pro小米 Xiaomi中 | 46 | $0.13/task · 1M ctx · 开源第一 |
| 28/132 | ◉GPT-6 Astra (low)OpenAI美 | 46 | $0.82/task · 1M ctx |
| 29/132 | 通Qwen3.8 Max (0902)阿里 Alibaba中 | 45 | $5.41/task · 984k ctx |
| 30/132 | 深DeepSeek V4.1 Flash 1017 (max)DeepSeek中 | 45 | $0.26/task · 195 t/s · 更名+39→45·开源第二 |
| 31/132 | 智GLM-5.3 (max)智谱 Z.ai中 | 45 | $2.01/task · 1M ctx · 开源第三 |
| 32/132 | 蚂Ling 3.1 Flash 1019蚂蚁 InclusionAI中 | 44 | $1.49/task · 1.05M ctx · 新进 |
| 33/132 | 阶Step 5 Preview阶跃 StepFun中 | 44 | $1.03/task · 229 t/s · 1M ctx |
| 35/132 | MMiniMax-M3.1-FlashMiniMax中 | 43 | $0.22/task · 1M ctx · 新进 |
| 40/132 | 智GLM-5.3-Flash智谱 Z.ai中 | 42 | $0.28/task · 1M ctx · 开源性价比 |
| 45/132 | 通Qwen3.8 2.4T A95B阿里 Alibaba中 | 40 | $2.16/task · 262k ctx |
| 46/132 | 通Qwen3.8-Flash-Next阿里 Alibaba中 | 40 | $0.37/task · 256k ctx |
| 48/132 | MMuse Spark Open (xhigh)Meta美 | 39 | $0.84/task · 151 t/s · 1.05M ctx · Meta 开源旗舰 |
| 50/132 | ◉GPT-6 Luna (max)OpenAI美 | 38 | $0.07/task · 137 t/s |
| 52/132 | 米MiMo-V2.6-Flash小米 Xiaomi中 | 38 | $0.06/task · 59 t/s |
| 54/132 | 深DeepSeek V4 Pro 0813 (max)DeepSeek中 | 36 | $0.67/task · 1M ctx |
| 62/132 | 移JT-4.1 Flash 236B A21B中国移动 China Mobile中 | 34 | 262k ctx · 国家队新面孔 |
| 74/132 | MMiniMax-M3MiniMax中 | 29 | $0.51/task · 1M ctx |
| 85/132 | KKimi K2.7 Code月之暗面 Kimi中 | 26 | $0.54/task · 256k ctx |
| 88/132 | 混Hy3腾讯 Tencent中 | 25 | $0.07/task · 256k ctx · Apache 2.0 开源 |
| 110/132 | 美LongCat 2.0美团 Meituan中 | 19 | $0.15/task · 1M ctx · 美团新旗舰 |
| 117/132 | 豆Doubao Seed Code字节 ByteDance中 | 17 | 256k ctx · 初步值* |
UC Berkeley LMSYS 发起，数百万真实用户对两个模型的回答盲选投票，按 Elo 排名。最贴近真实使用偏好、公信力最高的综合榜。
| # | 模型 | Elo | 票数 |
|---|---|---|---|
| 1/418 | ◆Gemini 4 Argon (High)Google美 | 1517 | 10.1k 票 · ±7 · 票数翻倍·「初步」标记消失·榜首转正 |
| 2/418 | ✳Claude Opus 5.5 (High)Anthropic美 | 1509 | 10.3k 票 · ±7 · 升至 #2 |
| 3/418 | MMuse Wonder (Max)Meta美 | 1509 | 6.0k 票 · ±8 · 与 Opus 5.5 并列·票数近翻倍 |
| 4/418 | ✳Claude Fable 5 (High)Anthropic美 | 1503 | 44.3k 票 |
| 5/418 | ✳Claude Fable 5.1 (Max)Anthropic美 | 1503 | 16.3k 票 |
| 6/418 | ✳Claude Opus 4.6 (High)Anthropic美 | 1503 | 83.5k 票 |
| 7/418 | ✳Claude Opus 4.7 (High)Anthropic美 | 1501 | 65.1k 票 |
| 8/418 | ✳Claude Opus 4.6Anthropic美 | 1497 | 88.2k 票 |
| 9/418 | ◆Gemini 3.8 Flash (High)Google美 | 1496 | 44.0k 票 · 仍初步 |
| 10/418 | MMuse Spark 1.3 (Max)Meta美 | 1496 | 20.5k 票 |
| 11/418 | ✳Claude Opus 4.7Anthropic美 | 1494 | 66.2k 票 |
| 12/418 | MMuse Spark 1.2 (xHigh)Meta美 | 1491 | 10.5k 票 |
| 13/418 | ✳Claude Opus 5 (Max)Anthropic美 | 1491 | 34.5k 票 |
| 14/418 | ✳Claude Opus 5 (High)Anthropic美 | 1491 | 71.0k 票 |
| 15/418 | MMuse Spark 1.1Meta美 | 1490 | 46.1k 票 |
| 16/418 | ◆Gemini 3.7 Flash (High)Google美 | 1490 | 30.5k 票 · 仍初步 |
| 17/418 | MMuse SparkMeta美 | 1489 | 14.1k 票 |
| 18/418 | KKimi K3 (Max)月之暗面 Kimi中 | 1487 | 35.4k 票 · 国产最高（K3.1 未上此榜） |
| 19/418 | ◆Gemini 3.1 Pro PreviewGoogle美 | 1487 | 130.8k 票 |
| 20/418 | ◆Gemini 3 ProGoogle美 | 1486 | 42.1k 票 |
| 21/418 | ◉GPT-5.6 Sol (xHigh)OpenAI美 | 1485 | 42.7k 票 |
| 22/418 | ◆Gemini 3.6 Flash (High)Google美 | 1483 | 36.1k 票 |
| 23/418 | 通Qwen3.8-Max阿里 Alibaba中 | 1483 | 30.5k 票 · 国产第二 |
| 24/418 | ◉GPT-5.5 (High)OpenAI美 | 1482 | 69.4k 票 |
| 25/418 | ✳Claude Opus 4.8 (High)Anthropic美 | 1481 | 64.1k 票 |
| 26/418 | 智GLM-5.3 (Max)智谱 Z.ai中 | 1481 | 25.1k 票 · 开源第一·#28→#26 |
| 27/418 | ◉GPT-6.1 Sol (Max)OpenAI美 | 1480 | 8.3k 票 |
| 28/418 | 米MiMo-V2.6-Pro小米 Xiaomi中 | 1480 | 4.1k 票 · 开源第二 |
| 29/418 | ✳Claude Sonnet 5.5 (xHigh)Anthropic美 | 1478 | 9.0k 票 · #36→#29 回升 |
| 30/418 | ◆Gemini 3.5 Flash (High)Google美 | 1477 | 48.5k 票 |
| 31/418 | ◉GPT-5.5OpenAI美 | 1477 | 71.0k 票 |
| 32/418 | ◉GPT-6 Astra (Max)OpenAI美 | 1476 | 14.1k 票 |
| 33/418 | ◆Gemini 3.5 Flash (Medium)Google美 | 1476 | 47.3k 票 |
| 34/418 | 深DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek中 | 1476 | 13.8k 票 |
| 35/418 | 智GLM-5.3-Flash智谱 Z.ai中 | 1476 | 38.4k 票 |
| 36/418 | ◉GPT-5.2 Chat (20260210)OpenAI美 | 1476 | 36.0k 票 |
| 37/418 | 智GLM-5.2 (Max)智谱 Z.ai中 | 1475 | 52.3k 票 |
| 38/418 | ◉GPT-5.4 (High)OpenAI美 | 1475 | 64.8k 票 |
| 39/418 | ✕Grok 4.20 Beta 1xAI美 | 1475 | 27.9k 票 |
| 40/418 | ✳Claude Opus 4.8Anthropic美 | 1474 | 65.2k 票 |
| 41/418 | 通Qwen3.7-Max-Preview阿里 Alibaba中 | 1474 | 3.9k 票 · ±10 |
| 42/418 | ✳Claude Opus 4.5 (High, 32K)Anthropic美 | 1474 | 37.5k 票 |
| 50/418 | 度ERNIE 5.1百度 Baidu中 | 1467 | 39.5k 票 |
| 51/418 | 米MiMo-V2.5-Pro小米 Xiaomi中 | 1466 | 77.9k 票 |
| 57/418 | 深DeepSeek-V4-Pro (High, 20260813)DeepSeek中 | 1465 | 9.8k 票 · ±7 |
| 68/418 | 豆Dola Seed 2.0 Pro字节 ByteDance中 | 1456 | 79.1k 票 · 字节代表 |
| 74/418 | 混Hy3腾讯 Tencent中 | 1454 | 13.2k 票 · Apache 2.0 开源 |
| 84/418 | 阶Step 5 Preview阶跃 StepFun中 | 1448 | 9.8k 票 · ±7 · 与 AA 侧 44 分互证 |
| 91/418 | ◉GPT-6 Luna (Max)OpenAI美 | 1442 | 72.5k 票 · $0.10/$0.50 |
| 96/418 | ✕Grok 4.7 (xHigh)xAI美 | 1441 | 14.7k 票 · 连续第五周与 AA 侧 46 分背离·本周再跌 |
| 97/418 | MMiniMax-M3MiniMax中 | 1440 | 67.0k 票 |
| 103/418 | 美LongCat-Flash-Chat Exp (2602)美团 Meituan中 | 1436 | 29.3k 票 · 美团新面孔 |
从真实开源仓库取 500 个已人工验证的 issue，模型要读懂代码库、定位 bug、提交能通过测试的补丁。业界公认的「编程 Agent 能力」第一硬榜，几乎所有厂商发布时必刷。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/120 | ✳Claude Fable 5Anthropic美 | 95.0% | |
| 2/120 | ✳Claude Mythos PreviewAnthropic美 | 93.9% | |
| 3/120 | 焰Ember-1Fireworks AI美 | 92.2% | |
| 4/120 | ✳Claude Opus 4.8Anthropic美 | 88.6% | |
| 5/120 | ✳Claude Opus 4.7Anthropic美 | 87.6% | |
| 6/120 | ✳Claude Sonnet 5Anthropic美 | 85.2% | |
| 7/120 | RBeam 1.0Reflection美 | 81.6% | 开源 |
| 8/120 | ✳Claude Opus 4.5Anthropic美 | 80.9% | |
| 9/120 | ✳Claude Opus 4.6Anthropic美 | 80.8% | |
| 10/120 | ◆Gemini 3.1 ProGoogle美 | 80.6% | |
| 10/120 | 深DeepSeek-V4-Pro-MaxDeepSeek中 | 80.6% | 开源 |
| 12/120 | MMiniMax M3MiniMax中 | 80.5% | 开源 |
| 13/120 | 通Qwen3.7 Max阿里 Alibaba中 | 80.4% | |
| 14/120 | KKimi K2.6月之暗面 Kimi中 | 80.2% | |
| 20/120 | 米MiMo-V2.5-Pro小米 Xiaomi中 | 78.9% | 开源 |
| 23/120 | 混Hy3腾讯 Tencent中 | 78.0% | 开源 |
在真实终端里完成软件工程、系统管理、数据处理任务——模型要自己敲命令、读报错、迭代。2025 下半年崛起最快的 agentic 编程新战场，头部三家争 SOTA 的焦点。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/53 | ◉GPT-5.5OpenAI美 | 82.7% | |
| 2/53 | ✳Claude Mythos PreviewAnthropic美 | 82.0% | |
| 3/53 | ✳Claude Sonnet 5Anthropic美 | 80.4% | |
| 4/53 | ◉GPT-5.3 CodexOpenAI美 | 77.3% | |
| 5/53 | ◆Gemini 3.5 FlashGoogle美 | 76.2% | |
| 6/53 | ◉GPT-5.4OpenAI美 | 75.1% | |
| 7/53 | ✳Claude Opus 4.8Anthropic美 | 74.6% | |
| 8/53 | 通Qwen3.7-Plus阿里 Alibaba中 | 70.3% | |
| 9/53 | 通Qwen3.7 Max阿里 Alibaba中 | 69.7% | |
| 10/53 | ✳Claude Opus 4.7Anthropic美 | 69.4% | |
| 11/53 | 智GLM-5.1智谱 Z.ai中 | 69.0% | 开源 |
| 13/53 | 米MiMo-V2.5-Pro小米 Xiaomi中 | 68.4% | 开源 |
| 14/53 | 深DeepSeek-V4-Pro-MaxDeepSeek中 | 67.9% | 开源 |
| 15/53 | KKimi K2.6月之暗面 Kimi中 | 66.7% | |
| 26/53 | MMiniMax M2.7MiniMax中 | 57.0% | 开源 |
| 35/53 | 阶Step-3.5-Flash阶跃 StepFun中 | 51.0% | 开源 |
持续从 LeetCode / AtCoder / CodeForces 抓最新竞赛题，按发布日期滚动切窗——只考模型没见过的新题，从机制上防止「背题」污染。考的是纯算法编程能力。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/76 | 深DeepSeek-V4-Pro-MaxDeepSeek中 | 93.5% | 开源 |
| 2/76 | 深DeepSeek-V4-Flash-MaxDeepSeek中 | 91.6% | 开源 |
| 3/76 | 深DeepSeek-V4-Flash-0423DeepSeek中 | 88.4% | 开源 |
| 4/76 | RBeam 1.0Reflection美 | 88.3% | 开源 |
| 5/76 | USolar Pro 4Upstage韩 | 87.8% | |
| 6/76 | 深DeepSeek-V3.2DeepSeek中 | 83.3% | 开源 |
| 6/76 | 深DeepSeek-V3.2 (Thinking)DeepSeek中 | 83.3% | 开源 |
| 8/76 | MMiniMax M2MiniMax中 | 83.0% | 开源 |
| 9/76 | 美LongCat-Flash-Thinking-2601美团 Meituan中 | 82.8% | 开源 |
| 10/76 | NNemotron 3 Super (120B A12B)NVIDIA美 | 81.2% | |
| 21/76 | 智GLM-4.5智谱 Z.ai中 | 72.9% | 开源 |
| 24/76 | 通Qwen3 235B A22B阿里 Alibaba中 | 70.7% | 开源 |
| 43/76 | KKimi K2-Instruct-0905月之暗面 Kimi中 | 53.7% | 开源 |
考模型通过 MCP（Model Context Protocol，Anthropic 提出的工具调用标准协议）调用外部工具、多步编排完成任务的能力。Agent 时代最贴近真实生产的工具调用榜。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/39 | MMuse Spark OpenMeta美 | 89.2% | |
| 2/39 | MMuse Spark 1.1Meta美 | 88.1% | |
| 3/39 | KKimi K3月之暗面 Kimi中 | 84.2% | |
| 4/39 | 豆Seed 2.1 Pro字节 ByteDance中 | 83.8% | |
| 5/39 | 混Hy4 preview腾讯 Tencent中 | 83.7% | 开源 |
| 6/39 | ◆Gemini 3.5 FlashGoogle美 | 83.6% | |
| 7/39 | ✳Claude Opus 4.8Anthropic美 | 82.2% | |
| 8/39 | RBeam 1.0Reflection美 | 80.8% | 开源 |
| 9/39 | 豆Seed 2.1 Turbo字节 ByteDance中 | 80.3% | |
| 10/39 | TInkling-SmallThinking Machines美 | 79.6% | 开源 |
| 13/39 | 智GLM-5.2智谱 Z.ai中 | 76.8% | 开源 |
| 14/39 | 通Qwen3.7 Max阿里 Alibaba中 | 76.4% | |
| 19/39 | MMiniMax M3MiniMax中 | 74.2% | 开源 |
| 21/39 | 深DeepSeek-V4-Pro-MaxDeepSeek中 | 73.6% | 开源 |
| 29/39 | 蚂Ling 3.0 Flash蚂蚁 InclusionAI中 | 65.5% |
OpenAI 出的浏览器智能体榜：模型要自己上网、多轮检索、交叉验证，回答需要深度联网调查才能查到的刁钻问题。考的是「搜索型 Agent」的信息获取与推理。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/69 | ◉GPT-6 AstraOpenAI美 | 91.5% | |
| 2/69 | KKimi K3月之暗面 Kimi中 | 91.2% | |
| 3/69 | ✳Claude Opus 5Anthropic美 | 90.8% | |
| 4/69 | ◉GPT-5.6 SolOpenAI美 | 90.4% | |
| 5/69 | ◉GPT-5.5 ProOpenAI美 | 90.1% | |
| 6/69 | ◉GPT-5.6 TerraOpenAI美 | 87.5% | |
| 7/69 | ✳Claude Mythos PreviewAnthropic美 | 86.9% | |
| 8/69 | KKimi K2.6月之暗面 Kimi中 | 86.3% | |
| 9/69 | 豆Seed 2.1 Pro字节 ByteDance中 | 86.2% | |
| 10/69 | ◆Gemini 3.1 ProGoogle美 | 85.9% | |
| 15/69 | 混Hy3腾讯 Tencent中 | 84.2% | 开源 |
| 17/69 | MMiniMax M3MiniMax中 | 83.5% | 开源 |
| 18/69 | 深DeepSeek-V4-Pro-MaxDeepSeek中 | 83.4% | 开源 |
| 21/69 | 智GLM-5.1智谱 Z.ai中 | 79.3% | 开源 |
| 33/69 | 蚂Ling 3.0 Flash蚂蚁 InclusionAI中 | 72.2% | |
| 34/69 | 通Qwen3.5-397B-A17B阿里 Alibaba中 | 69.0% | 开源 |
香港科大出的「工具全能赛」：跨多个真实应用、长链条地调用几十种工具完成复杂任务，比单步工具调用难得多。考 Agent 的长程规划与工具协同。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/42 | 智GLM-5.3-Flash智谱 Z.ai中 | 78.4% | 开源 |
| 2/42 | MMuse Spark 1.1Meta美 | 75.6% | |
| 3/42 | 深DeepSeek-V4-Pro-0813DeepSeek中 | 74.1% | 开源 |
| 3/42 | 混Hy4 preview腾讯 Tencent中 | 74.1% | 开源 |
| 5/42 | 通Qwen3.8-Flash-Next阿里 Alibaba中 | 73.5% | |
| 5/42 | 通Qwen3.8 Flash阿里 Alibaba中 | 73.5% | |
| 7/42 | KKimi K3月之暗面 Kimi中 | 73.2% | |
| 8/42 | 智GLM-5.3智谱 Z.ai中 | 73.0% | |
| 9/42 | 通Qwen3.8 Max阿里 Alibaba中 | 72.5% | |
| 10/42 | 深DeepSeek-V4-Flash-0731DeepSeek中 | 70.3% | 开源 |
| 21/42 | 豆Seed 2.1 Pro字节 ByteDance中 | 50.6% | |
| 29/42 | MMiniMax M2.7MiniMax中 | 46.3% | 开源 |
生物/物理/化学的博士级难题，博士专家也只能答对 65%、能联网的非专家仅 34%——从设计上就杜绝「搜得到」。海外六家发布时 100% 引用的智力硬指标。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/256 | ◉GPT-6 AstraOpenAI美 | 96.0% | |
| 2/256 | ✳Claude Mythos PreviewAnthropic美 | 94.6% | |
| 2/256 | ◉GPT-5.6 SolOpenAI美 | 94.6% | |
| 4/256 | ◆Gemini 3.1 ProGoogle美 | 94.3% | |
| 5/256 | ✳Claude Opus 4.7Anthropic美 | 94.2% | |
| 6/256 | ◉GPT-5.5OpenAI美 | 93.6% | |
| 6/256 | ✳Claude Opus 4.8Anthropic美 | 93.6% | |
| 8/256 | KKimi K3月之暗面 Kimi中 | 93.5% | |
| 9/256 | ◉GPT-5.2 ProOpenAI美 | 93.2% | |
| 10/256 | ✕Grok 4.5xAI美 | 93.0% | |
| 13/256 | 通Qwen3.8 Max阿里 Alibaba中 | 92.6% | |
| 16/256 | 混Hy4 preview腾讯 Tencent中 | 92.3% | 开源 |
| 22/256 | 智GLM-5.2智谱 Z.ai中 | 91.2% | 开源 |
| 23/256 | 深DeepSeek-V4.1-FlashDeepSeek中 | 90.9% | 开源 |
| 39/256 | 豆Seed 2.0 Pro字节 ByteDance中 | 88.9% | |
| 69/256 | 度ERNIE 5.0百度 Baidu中 | 85.0% |
2500 道数学/科学/人文领域专家把关的顶尖难题，号称「人类知识最后一道闭卷考」，并保留私有 holdout 题集防刷分。当前最抗污染的知识天花板榜。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/109 | ✳Claude Fable 5.1Anthropic美 | 65.0% | |
| 2/109 | ✳Claude Opus 5Anthropic美 | 64.7% | |
| 2/109 | ✳Claude Mythos PreviewAnthropic美 | 64.7% | |
| 4/109 | ✳Claude Fable 5Anthropic美 | 64.5% | |
| 5/109 | 智GLM-5.3智谱 Z.ai中 | 62.5% | |
| 6/109 | MMuse Spark 1.1Meta美 | 62.1% | |
| 7/109 | 深DeepSeek-V4-Pro-0813DeepSeek中 | 60.0% | 开源 |
| 8/109 | MMuse SparkMeta美 | 58.4% | |
| 9/109 | ✳Claude Opus 4.8Anthropic美 | 57.9% | |
| 10/109 | ✳Claude Sonnet 5Anthropic美 | 57.4% | |
| 12/109 | KKimi K3月之暗面 Kimi中 | 56.0% | |
| 13/109 | 豆Seed 2.1 Pro字节 ByteDance中 | 55.7% | |
| 26/109 | 通Qwen3.5-27B阿里 Alibaba中 | 48.5% | 开源 |
| 42/109 | 度ERNIE 5.0百度 Baidu中 | 39.0% | |
| 52/109 | 米MiMo-V2.5-Pro小米 Xiaomi中 | 34.0% | 开源 |
| 62/109 | 美LongCat-Flash-Thinking-2601美团 Meituan中 | 25.2% | 开源 |
哈佛-MIT 数学锦标赛真题，奥赛级难度。相比已被刷爆到多家并列满分的 AIME，HMMT 仍有区分度，是当前数学推理最能拉开差距的榜。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/33 | ◉GPT-5.2 ProOpenAI美 | 100.0% | |
| 2/33 | ◉GPT-5.2OpenAI美 | 99.4% | |
| 3/33 | 深DeepSeek-V3.2-SpecialeDeepSeek中 | 99.2% | 开源 |
| 4/33 | KKimi K2-Thinking-0905月之暗面 Kimi中 | 97.5% | 开源 |
| 5/33 | 通Qwen3.6 Plus阿里 Alibaba中 | 96.7% | |
| 6/33 | KKimi K2.5月之暗面 Kimi中 | 95.4% | 开源 |
| 7/33 | 通Qwen3.5-397B-A17B阿里 Alibaba中 | 94.8% | 开源 |
| 8/33 | NNemotron 3 Super (120B A12B)NVIDIA美 | 94.7% | |
| 9/33 | 智GLM-5.2智谱 Z.ai中 | 94.4% | 开源 |
| 10/33 | 智GLM-5.1智谱 Z.ai中 | 94.0% | 开源 |
| 22/33 | 米MiMo-V2-Flash小米 Xiaomi中 | 84.4% | 开源 |
增强版 MMMU：30 个学科的大学级图文混合题，堵死了「不看图靠蒙」的捷径。考多模态大模型真正的看图理解与跨学科推理，是多模态第一综合榜。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/73 | ◉GPT-6.1 SolOpenAI美 | 86.0% | |
| 2/73 | ◆Gemini 3.5 FlashGoogle美 | 83.6% | |
| 3/73 | ◉GPT-5.5OpenAI美 | 83.2% | |
| 4/73 | ◉GPT-5.6 SolOpenAI美 | 83.0% | |
| 5/73 | 豆Seed 2.1 Pro字节 ByteDance中 | 82.7% | |
| 6/73 | 通Qwen3.8 Max阿里 Alibaba中 | 82.3% | |
| 7/73 | 豆Seed 2.1 Turbo字节 ByteDance中 | 82.2% | |
| 8/73 | KKimi K3月之暗面 Kimi中 | 81.6% | |
| 9/73 | ◆Gemini 3 FlashGoogle美 | 81.2% | |
| 9/73 | ◉GPT-5.4OpenAI美 | 81.2% | |
| 22/73 | MMiniMax M3MiniMax中 | 78.1% | 开源 |
| 23/73 | 米MiMo-V2.5小米 Xiaomi中 | 77.9% | 开源 |
取自 arXiv 论文的真实科学图表，问需要读懂坐标轴、趋势、数据关系才能答的推理题。考的是模型对复杂图表的深度理解——投研看图场景高度相关。
| # | 模型 | 分数 | 备注 |
|---|---|---|---|
| 1/60 | ✳Claude Mythos PreviewAnthropic美 | 93.2% | |
| 2/60 | KKimi K3月之暗面 Kimi中 | 91.3% | |
| 3/60 | ✳Claude Opus 4.7Anthropic美 | 91.0% | |
| 4/60 | 通Qwen3.8 Flash阿里 Alibaba中 | 90.6% | |
| 4/60 | 通Qwen3.8-Flash-Next阿里 Alibaba中 | 90.6% | |
| 6/60 | 通Qwen3.8-27B阿里 Alibaba中 | 90.2% | 开源 |
| 7/60 | ✳Claude Opus 4.8Anthropic美 | 89.9% | |
| 8/60 | ◆Gemini 3.6 FlashGoogle美 | 89.4% | |
| 8/60 | 智GLM-5.3-Flash智谱 Z.ai中 | 89.4% | 开源 |
| 10/60 | ◆Gemini 3.7 FlashGoogle美 | 88.7% | |
| 14/60 | 豆Seed 2.1 Pro字节 ByteDance中 | 86.4% | |
| 20/60 | MMiniMax M3.1 FlashMiniMax中 | 82.5% | |
| 26/60 | 米MiMo-V2.5小米 Xiaomi中 | 81.0% | 开源 |
文生视频：真人对同一提示词生成的两段视频盲选，按 Bradley-Terry 算 Elo。考画面质量、运动合理性、指令还原度。国产厂商（字节/快手/阿里）在此领跑全球。
| # | 模型 | Elo | 票数 · 发布 · 定价 · CI |
|---|---|---|---|
| 1/30 | 通Wan 3.0阿里 Alibaba中 | 1175 | 6372 票 · Aug 2026 · $12.00 /min · ±15 |
| 2/30 | UUtopai XUtopai Studios美 | 1167 | 5813 票 · Sep 2026 · No API available · ±15 |
| 3/30 | HHeyGen Video 1HeyGen美 | 1160 | 5520 票 · Oct 2026 · $2.40 /min · ±15 |
| 4/30 | MMiniMax H3 (768p)MiniMax中 | 1158 | 6484 票 · Jul 2026 · $4.80 /min · ±15 |
| 5/30 | 豆Dreamina Seedance 2.5字节 ByteDance中 | 1158 | 6477 票 · Jul 2026 · $34.12 /min · ±15 |
| 6/30 | FFLUX 3 Max (720p)Black Forest Labs德 | 1155 | 5479 票 · Oct 2026 · $2.55 /min · ±15 |
| 7/30 | MMiniMax H3 MaxMiniMax中 | 1154 | 6144 票 · Aug 2026 · $4.80 /min · ±15 |
| 8/30 | FFLUX 3Black Forest Labs德 | 1145 | 5566 票 · Jul 2026 · $17.40 /min · ±15 |
| 9/30 | 豆Dreamina Seedance 2.0字节 ByteDance中 | 1136 | 5511 票 · Mar 2026 · $22.45 /min · ±15 |
| 10/30 | ◆Gemini Omni Flash 1.1Google美 | 1130 | 6818 票 · Aug 2026 · $9.12 /min · ±14 |
| 11/30 | AAgnes-Video-2.5Agnes AI新 | 1066 | 4263 票 · Aug 2026 · $2.40 /min · ±16 |
| 12/30 | ✕Grok Imagine Video 1.5xAI美 | 1056 | 4340 票 · May 2026 · $15.00 /min · ±15 |
| 14/30 | 沙MAGI-2 PreviewSand AI中 | 1042 | 6015 票 · Sep 2026 · Coming soon · ±14 |
| 17/30 | 可Kling 3.0 Omni 1080p (Pro)快手 Kling中 | 1020 | 4036 票 · Feb 2026 · $8.40 /min · ±16 |
| 20/30 | PPixVerse V6爱诗 PixVerse中 | 984 | 3449 票 · Mar 2026 · $6.90 /min · ±17 |
| 26/30 | VVidu Q3 Pro生数 Vidu中 | 935 | 4335 票 · Jan 2026 · $7.20 /min · ±16 |
图生视频：真人对同一提示词生成的两段视频盲选，按 Bradley-Terry 算 Elo。考画面质量、运动合理性、指令还原度。国产厂商（字节/快手/阿里）在此领跑全球。
| # | 模型 | Elo | 票数 · 发布 · 定价 · CI |
|---|---|---|---|
| 1/23 | MMiniMax H3 (768p)MiniMax中 | 1140 | 4209 票 · Jul 2026 · $4.80 /min · ±16 |
| 2/23 | FFLUX 3 Max (720p)Black Forest Labs德 | 1138 | 5054 票 · Oct 2026 · $2.55 /min · ±15 |
| 3/23 | 豆Dreamina Seedance 2.5字节 ByteDance中 | 1138 | 3688 票 · Jul 2026 · $34.12 /min · ±17 |
| 4/23 | ◆Gemini Omni Flash 1.1Google美 | 1132 | 3368 票 · Aug 2026 · $9.12 /min · ±17 |
| 5/23 | 通Wan 3.0阿里 Alibaba中 | 1127 | 5144 票 · Aug 2026 · $12.00 /min · ±16 |
| 6/23 | MMiniMax H3 MaxMiniMax中 | 1125 | 3476 票 · Aug 2026 · $5.76 /min · ±17 |
| 7/23 | 豆Dreamina Seedance 2.0字节 ByteDance中 | 1121 | 2799 票 · Mar 2026 · $22.45 /min · ±18 |
| 8/23 | FFLUX 3Black Forest Labs德 | 1086 | 4170 票 · Jul 2026 · $17.40 /min · ±16 |
| 9/23 | ✕Grok Imagine Video 1.5xAI美 | 1067 | 3463 票 · May 2026 · $15.00 /min · ±17 |
| 10/23 | 通HappyHorse-1.1阿里 Alibaba中 | 1061 | 4597 票 · Jun 2026 · $10.80 /min · ±17 |
| 11/23 | 沙MAGI-2 PreviewSand AI中 | 1046 | 4153 票 · Aug 2026 · Coming soon · ±16 |
| 12/23 | 通HappyHorse-1.0阿里 Alibaba中 | 1042 | 3501 票 · Apr 2026 · $14.40 /min · ±17 |
| 14/23 | PPixVerse V6爱诗 PixVerse中 | 1024 | 3451 票 · Mar 2026 · $6.90 /min · ±17 |
| 16/23 | VVidu Q3 Pro生数 Vidu中 | 1016 | 4953 票 · Jan 2026 · $7.20 /min · ±15 |
| 17/23 | 可Kling 3.0 Omni 1080p (Pro)快手 Kling中 | 1004 | 3077 票 · Feb 2026 · $8.40 /min · ±17 |
具身智能领域唯一「真机实测 + 覆盖商业玩家 + 中美同台」的公开榜，由 Dexmal 原力灵机联合 Hugging Face 发起。VLA（视觉-语言-动作）模型要在真实机械臂上完成 30 项桌面操作，按成功率排名。上榜以国产队伍为主，近期引发刷榜争议，本身即投研信号。
| # | 模型 | 成功率 | 综合分 / 说明 |
|---|---|---|---|
| 1/5 | 星Era0星动纪元 Robotera中 | 64.33% | 综合分 76.34 · 真机第一 |
| 2/5 | 力DM0Dexmal 原力灵机中 | 62.00% | 综合分 72.25 · 榜方自研 |
| 3/5 | GGigaBrain-0.1GigaBrain中 | 51.67% | 综合分 68.34 |
| 4/5 | 寻Spirit-v1.5千寻智能 Spirit中 | 51.00% | 综合分 67.19 · 商业化 VLA |
| 5/5 | ALira (generalist)Atlas 具身中 | 45.00% | 综合分 59.83 |