2026 大模型排行榜:
汇集所有基准测试的统一排名
所有基准测试,一份排行榜。
来自 48 家基准测试发布方的285 项大模型基准测试(其中 78 项计入 Index),每 6 小时(UTC 04:03、10:03、16:03、22:03 开始运行)汇总为一份统一排名。BenchLeader 不自行做任何评测:它把 Artificial Analysis、LMArena、Epoch AI、LiveBench、SWE-bench 等已经测得的结果放在一起,让每个模型都在其实际运行的推理强度下,依据全部证据得到评判。
- 已排名模型
- 339
- 已排名配置
- 608
- 在线数据源
- 29/29
截至 2026年11月16日,第三方基准测试综合排名第一的 AI 模型是 Anthropic 的 Claude Fable 5.2,BenchLeader Index 为 72.7,其后为 Gemini 4 Carbon(68.9)和 Claude Opus 5.5(68.4)。有 6 个配置处于 Claude Fable 5.2 的误差范围之内,因此对大多数任务来说,选择取决于价格和速度:在前 15 名中,GPT-6.1 Terra 每美元换来的质量最高,混合价格为每百万 token $2.00。BenchLeader 基于来自 48 家发布方的 285 项基准测试,为 339 个模型排名,每 6 小时(UTC 04:03、10:03、16:03、22:03 开始运行)重建一次。
- Qwen3.5-9B(thinking) 的价格从 $0.063/M 上调至 $0.14/M(117%)。
- 阅读每日摘要(英文)
- 1
新Claude Fable 5.2maxAnthropic · $16.00/M72.7▲ 0.1
- 2
Gemini 4 CarbonhighGoogle · $4.00/M68.9▼ 0.6
- 3
Claude Opus 5.5maxAnthropic · $8.00/M68.4▼ 0.1
- 4
GPT-6 AstramaxOpenAI · $20.00/M67.3▲ 0.3
- 5
Claude Fable 5.1maxAnthropic · $20.00/M66.7▲ 0.2
- 6
GPT-6.1 SolmaxOpenAI · $4.00/M66.6—
- 7
Claude Fable 5Anthropic · $20.00/M65.4▼ 0.9
- 8
GPT-5.6 SolmaxOpenAI · $8.00/M65.3▼ 0.1
- 9
Gemini 4 ArgonhighGoogle · $4.00/M65.3▼ 0.3
- 10
Claude Opus 5maxAnthropic · $10.00/M65.0▲ 0.2
最适合编程
编程专区:基准测试、智能体、套餐按编程得分排名:综合 SWE-bench、LiveCodeBench、Terminal-Bench 等编程基准测试。
各价位最佳性价比
所有模型的每美元质量按每百万 token 混合 API 价格分档,各档 BenchLeader Index 最高的模型。
按场景划分的最佳大模型(2026年11月)
每种用途一份排名,每天根据第三方基准测试重建。
新本周
发布动态Nemotron 3.5 Bolt E4B thinkingNVIDIA,2026年11月15日 首次测得等待结果
Particle-1 无推理Particle AI,2026年11月14日 首次测得等待结果Gemini 4 Hydrogen highGoogle,2026年11月12日 发布#1663.4
U2 Flash Unisound,2026年11月11日 首次测得等待结果ERNIE 5.5 Flash Baidu,2026年11月11日 首次测得等待结果
ERNIE-Light-DT-1.0 Baidu,2026年11月11日 首次测得等待结果
另有 4 个,见发布动态。
刚刚发布
本周新发布的 AI 模型- Codestral 2501 11月15日
- Nemotron 3.5 Bolt E4B 11月15日
- Gemini 4 Hydrogen 11月12日第 16 名对比 Gemini 4 Carbon对比 GPT-5.4对比 Claude Opus 4.7对比 GPT-5.4 Pro
- U2 Flash 11月11日
- ERNIE 5.5 Flash 11月11日
- ERNIE-Light-DT-1.0 11月11日
- Claude Fable 5.2 11月9日第 1 名对比 Claude Fable 5.1对比 Gemini 4 Carbon对比 GPT-6 Astra对比 GPT-6.1 Sol
- Muse Ember 11月9日第 140 名对比 Muse Spark Open 816B A42B对比 Inkling Small对比 Qwen3.5-27B对比 Gemma 4 31B
- Claude Mythos 5.2 11月9日等待首批结果对比 Claude Fable 5.2对比 Claude Opus 5.5
- Agnes 2.5 Pro Theta 11月7日第 161 名对比 Ling 3.1 Flash对比 GLM 4.7 Flash对比 Nemotron 3 Super 120B A12B
- Inkling 2 Small 11月5日第 67 名对比 Inkling Small对比 GLM 5.3 Flash对比 DeepSeek V4.1 Flash 1017对比 Muse Spark Open 816B A42B
- Doubao Seed Evolving 11月2日已有首批结果,尚无 Index对比 Doubao Seed 2.1 Pro 260628
前沿看板
本周值得关注的 10 个模型,从三个角度对比。点选一栏重新排序,再点一次则倒序。
- 1新
Claude Fable 5.2max72.7109$0.64
- 2
Gemini 4 Carbonhigh68.964$0.16
- 3
Claude Opus 5.5max68.4116$0.32
- 4
GPT-6 Astramax67.341$0.80
- 5
GPT-6.1 Solmax66.650$0.16
- 6新
Gemini 4 Hydrogenhigh63.4170$0.12
- 7
Kimi K2.5thinking59.443$0.05
- 8
Qwen3.6 Plus59.052$0.04
- 9
GLM 5.3 Flash57.854$0.01
- 10
DeepSeek V4.1 Flash 1017max57.7174$0.02
本周热门
热度上升的对比
有新结果的基准测试
- AIME 2025 (AA) 177 项新增或更新
- GDPval-AA v2.1 147 项新增或更新
- GameBench 2 by reasoning setting 102 项新增或更新
每周回顾 ·
Claude Fable 5.2 + 8 new AI models: 9 Nov–15 Nov进入 BenchLeader Index 排名 ·
Gemini 4 HydrogenxhighIndex 61.8
进入 BenchLeader Index 排名 ·
GPT-5.3 ChatIndex 58.3
进入 BenchLeader Index 排名 ·
Deepseek v2.5Index 45.8
新上架模型 ·
Nemotron 3.5 Bolt E4Bthinking
进入 BenchLeader Index 排名 ·
Mistral Large 4mediumIndex 45.9
热门对比
相关: 大模型价格统计、大模型速度统计、每月 AI 模型发布数、基准测试饱和度、最佳低价大模型(统计页面为英文)
按类别划分的基准测试排行榜: AI 智能体基准测试、AI 编程基准测试、推理与数学基准测试、多模态 AI 基准测试
按领域对比模型
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。
未绘制(测得的模型少于两个):指令遵循。
BenchLeader Index
每个模型一行,显示其得分最高的推理强度;切换到“全部配置”可比较不同推理强度。点击任意列即可排序。 方法说明
常见问题
- 目前最好的大模型是哪个?
- 截至 2026年11月16日,Anthropic 的 Claude Fable 5.2(max) 在 BenchLeader Index 中排名第一(72.7),其后是 Gemini 4 Carbon(high)(68.9)和 Claude Opus 5.5(max)(68.4)。最佳大模型页面按用途细分排名:编程、智能体、价格和速度。
- 2026年11月的大模型排行榜是怎样的?
- 2026年11月16日的前三名是 Claude Fable 5.2(max)(72.7)、Gemini 4 Carbon(high)(68.9)和 Claude Opus 5.5(max)(68.4),共有 331 个模型进入排名。排行榜基于来自 48 家发布方的 285 项基准测试,每 6 小时(UTC 04:03、10:03、16:03、22:03 开始运行)重建一次。
- 排行榜上最好的开源大模型是哪个?
- 截至 2026年11月16日,排名最高的开放权重模型是 Moonshot AI 的 Kimi K3.1 Pro,BenchLeader Index 为 61.8(综合前 100 名)。其他模型列在最佳开放权重大模型页面上;投入使用前请先核对各模型的许可证。
- BenchLeader 如何为 AI 模型排名?
- BenchLeader 不自行做任何测试,而是汇总第三方基准测试发布方已公布的结果。每项基准测试的分数都经过标准化,使参评模型的平均分为 50、一个标准差为 15 分;基准测试先在各自类别内(编程、推理、数学等)取平均,各类别再合成 BenchLeader Index。模型至少需要在两个类别中有五项第三方结果才能进入排名,证据较少的模型分数会向 50 收缩。完整方法见方法论页面。
- 排行榜多久更新一次?
- 每 6 小时一次:更新于 UTC 04:03、10:03、16:03、22:03 开始,最近一次完成于 2026年11月16日。每天的变化见博客中的每日摘要和 Atom 订阅源。