GDPval-AA v2.1, normalised score 排行榜
截至 2026年11月16日,GDPval-AA v2.1, normalised score 的最高分为 68.3%,由 Claude Opus 5.5(Anthropic)取得,领先于 Muse Wonder Full(67.8%)。共有 167 个模型配置公布了结果(Artificial Analysis,结果日期 2026年9月22日)。GDPval 要求模型在 44 种职业中产出真实的工作成果,并由专业人士将其与人类专家的作品比较。Artificial Analysis 运行公开题集,并对胜率做了归一化。GDPval-AA v2.1, normalised score 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Opus 5.5 以 68.3% 保持 GDPval-AA v2.1, normalised score 最高分(Artificial Analysis,2026年9月22日)。
- Muse Wonder Full 以 67.8% 位列 GDPval-AA v2.1, normalised score 第二(Artificial Analysis,2026年10月12日)。
- GDPval-AA v2.1, normalised score:Artificial Analysis 对 OpenAI GDPval 专业任务对比的归一化结果,冻结在最后公布的百分比(2026年10月25日)。AA 现在以 Elo 形式公布同一项评测(Artificial Analysis)。
- BenchLeader 上有 167 个模型配置公布了 GDPval-AA v2.1, normalised score 结果(BenchLeader,2026年11月16日)。
- GDPval-AA v2.1, normalised score 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
Artificial Analysis 对 OpenAI GDPval 专业任务对比的归一化结果,冻结在最后公布的百分比(2026年10月25日)。AA 现在以 Elo 形式公布同一项评测。
- 类别
- 智能体与工具
- Index 权重
- 仅作参考
- 模型
- 167
- 数据截至
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
该排行榜已冻结。如今沿用这个名称的是另一项较新的测试,其分数见 GDPval-AA v2.1。
测试内容
GDPval 要求模型在 44 种职业中产出真实的工作成果,并由专业人士将其与人类专家的作品比较。Artificial Analysis 运行公开题集,并对胜率做了归一化。
评分方式
相对于人类交付物的归一化胜率,冻结在 Artificial Analysis 最后公布的百分比(2026 年 10 月 25 日)。
注意事项
Artificial Analysis 现在以 Elo 报告这项评测,尺度不同;这些评分见 GDPval-AA 排行榜。计入 Index 的是 Epoch 同步的官方结果。
- 1Claude Opus 5.5 (max)68.3%
- 2Muse Wonder Full (max)67.8%
- 3Kimi K3.1 Pro67.3%
- 4Claude Sonnet 5.5 (max)66.9%
- 5Claude Opus 5.5 (xhigh)66.5%
- 6Muse Wonder (max)63.5%
- 7Claude Fable 5.1 (max)62.7%
- 8DeepSeek V4.1 Flash 1017 (max)62.3%
- 9Claude Fable 5.1 (xhigh)61.6%
- 10Claude Sonnet 5.5 (xhigh)61.4%
- 11Grok 4.7 (xhigh)60.7%
- 12Grok 4.7 (high)60.4%
- 13Claude Opus 5.5 (high)60.2%
- 14MiMo-V2.6-Pro59.1%
- 15Qwen3.8 Max (max)58.3%
| # | ||||
|---|---|---|---|---|
| 1 | 68.3% | 68.4 | 2026-09-22 | |
| 2 | 67.8% | 61.7 | 2026-10-12 | |
| 3 | 67.3% | 61.8 | 2026-10-23 | |
| 4 | 66.9% | 64.2 | 2026-09-28 | |
| 5 | 66.5% | 65.4 | 2026-09-22 | |
| 6 | 63.5% | 60.8 | 2026-10-12 | |
| 7 | 62.7% | 66.7 | 2026-09-01 | |
| 8 | 62.3% | 57.7 | 2026-10-17 | |
| 9 | 61.6% | 64.6 | 2026-09-01 | |
| 10 | 61.4% | 62.5 | 2026-09-28 | |
| 11 | 60.7% | 57.4 | 2026-09-21 | |
| 12 | 60.4% | 56.9 | 2026-09-21 | |
| 13 | 60.2% | 66.0 | 2026-09-22 | |
| 14 | 59.1% | 57.5 | 2026-09-21 | |
| 15 | 58.3% | 58.7 | 2026-09-02 | |
| 16 | 57.5% | 58.8 | 2026-08-18 | |
| 17 | 57.3% | 50.8 | 2026-10-22 | |
| 18 | 57.1% | 57.8 | 2026-08-26 | |
| 19 | 56.8% | 63.7 | 2026-09-01 | |
| 20 | 56.4% | 53.9 | 2026-08-26 | |
| 21 | 56.2% | 65.3 | 2026-09-30 | |
| 22 | 56.0% | 55.3 | 2026-10-07 | |
| 23 | 55.4% | 54.8 | 2026-09-21 | |
| 24 | 55.4% | 51.4 | 2026-08-12 | |
| 25 | 54.8% | 66.6 | 2026-09-29 | |
| 26 | 54.3% | 56.0 | 2026-09-18 | |
| 27 | 54.3% | 61.2 | 2026-09-22 | |
| 28 | 54.1% | 55.4 | 2026-09-21 | |
| 29 | 53.7% | 67.3 | 2026-09-03 | |
| 30 | 52.9% | 66.0 | 2026-09-03 | |
| 31 | 52.4% | 59.5 | 2026-09-28 | |
| 32 | 52.3% | – | 2026-08-21 | |
| 33 | 52.2% | 61.7 | 2026-09-01 | |
| 34 | 52.0% | 63.6 | 2026-09-29 | |
| 35 | 51.2% | 66.3 | 2026-09-03 | |
| 36 | 50.7% | 56.7 | 2026-10-07 | |
| 37 | 50.6% | 63.4 | 2026-09-29 | |
| 38 | 49.3% | 64.4 | 2026-09-03 | |
| 39 | 48.4% | 58.8 | 2026-09-01 | |
| 40 | 47.9% | 54.3 | 2026-10-19 | |
| 41 | 47.6% | 59.5 | 2026-07-09 | |
| 42 | 47.5% | 62.7 | 2026-09-29 | |
| 43 | 47.5% | 54.7 | 2026-08-13 | |
| 44 | 47.4% | 60.1 | 2026-07-09 | |
| 45 | 46.8% | 59.4 | 2026-09-02 | |
| 46 | 46.6% | 55.1 | 2026-09-22 | |
| 47 | 46.1% | 60.2 | 2026-09-02 | |
| 48 | 46.1% | 52.9 | 2026-10-06 | |
| 49 | 46.0% | 52.2 | 2026-08-14 | |
| 50 | 45.8% | 55.3 | 2026-10-07 | |
| 51 | 45.1% | 53.5 | 2026-10-15 | |
| 52 | 44.5% | 62.0 | 2026-09-03 | |
| 53 | 44.0% | 50.2 | 2026-08-14 | |
| 54 | 43.9% | 56.8 | 2026-07-09 | |
| 55 | 43.2% | 52.0 | 2026-09-22 | |
| 56 | 43.2% | 49.0 | 2026-08-14 | |
| 57 | 42.9% | 49.5 | 2026-09-03 | |
| 58 | 42.1% | 51.1 | 2026-09-22 | |
| 59 | 41.5% | – | 2026-08-26 | |
| 60 | 41.2% | 47.3 | 2026-08-18 |
相关基准测试
GDPval-AA v2.1, normalised score 上的热门模型对比
引用格式:BenchLeader,《GDPval-AA v2.1, normalised score 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_gdpval。
GDPval-AA v2.1, normalised score:常见问题
- GDPval-AA v2.1, normalised score 衡量的是什么?
- GDPval 要求模型在 44 种职业中产出真实的工作成果,并由专业人士将其与人类专家的作品比较。Artificial Analysis 运行公开题集,并对胜率做了归一化。分数以完成任务的百分比表示,越高越好。
- GDPval-AA v2.1, normalised score 的最高分是多少?
- 截至 2026年11月16日,GDPval-AA v2.1, normalised score 的最高分为 68.3%,由 Claude Opus 5.5 取得(结果日期 2026年9月22日),领先于 Muse Wonder Full(67.8%)。分数来自 Artificial Analysis,每天重新读取。
- 哪个 AI 模型在 GDPval-AA v2.1, normalised score 上领先?
- 截至 2026年11月16日,GDPval-AA v2.1, normalised score 排名第一的是 Claude Opus 5.5,分数为 68.3%(结果日期 2026年9月22日)。其后为 Muse Wonder Full(67.8%)。
- 有多少模型有 GDPval-AA v2.1, normalised score 结果?
- BenchLeader 上有 167 个模型配置有 GDPval-AA v2.1, normalised score 结果,全部取自 Artificial Analysis。
- GDPval-AA v2.1, normalised score 由谁运行,多久更新一次?
- GDPval-AA v2.1, normalised score 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- GDPval-AA v2.1, normalised score 是否计入 BenchLeader Index?
- 不计入。GDPval-AA v2.1, normalised score 仅作参考展示,不计入综合分数。