BenchLeader

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。

发布方
Artificial Analysis
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。

167 / 167
#
1Claude Opus 5.5max68.3%68.42026-09-22
2Muse Wonder Fullmax67.8%61.72026-10-12
3Kimi K3.1 Pro67.3%61.82026-10-23
4Claude Sonnet 5.5max66.9%64.22026-09-28
5Claude Opus 5.5xhigh66.5%65.42026-09-22
6Muse Wondermax63.5%60.82026-10-12
7Claude Fable 5.1max62.7%66.72026-09-01
8DeepSeek V4.1 Flash 1017max62.3%57.72026-10-17
9Claude Fable 5.1xhigh61.6%64.62026-09-01
10Claude Sonnet 5.5xhigh61.4%62.52026-09-28
11Grok 4.7xhigh60.7%57.42026-09-21
12Grok 4.7high60.4%56.92026-09-21
13Claude Opus 5.5high60.2%66.02026-09-22
14MiMo-V2.6-Pro59.1%57.52026-09-21
15Qwen3.8 Maxmax58.3%58.72026-09-02
16GLM 5.3max57.5%58.82026-08-18
17Ling 3.1 Flash57.3%50.82026-10-22
18GLM 5.3 Flash57.1%57.82026-08-26
19Claude Fable 5.1high56.8%63.72026-09-01
20Qwen3.8-Flash-Next56.4%53.92026-08-26
21Gemini 4 Argonhigh56.2%65.32026-09-30
22Claude Haiku 5.5max56.0%55.32026-10-07
23MiMo-V2.6-Flash55.4%54.82026-09-21
24Qwen3.8 2.4T A95B55.4%51.42026-08-12
25GPT-6.1 Solmax54.8%66.62026-09-29
26Step 5 Preview54.3%56.02026-09-18
27Claude Opus 5.5medium54.3%61.22026-09-22
28Grok 4.7low54.1%55.42026-09-21
29GPT-6 Astramax53.7%67.32026-09-03
30GPT-6 Astraxhigh52.9%66.02026-09-03
31Claude Sonnet 5.5high52.4%59.52026-09-28
32Deepseek v4 Flash Visionmax52.3%–2026-08-21
33Claude Fable 5.1medium52.2%61.72026-09-01
34GPT-6.1 Solxhigh52.0%63.62026-09-29
35GPT-6 Astrahigh51.2%66.32026-09-03
36Claude Haiku 5.5xhigh50.7%56.72026-10-07
37GPT-6.1 Solhigh50.6%63.42026-09-29
38GPT-6 Astramedium49.3%64.42026-09-03
39Claude Fable 5.1low48.4%58.82026-09-01
40MiniMax M3.1 Flash47.9%54.32026-10-19
41GPT-5.6 Terramax47.6%59.52026-07-09
42GPT-6.1 Solmedium47.5%62.72026-09-29
43DeepSeek V4 Promax47.5%54.72026-08-13
44GPT-5.6 Terraxhigh47.4%60.12026-07-09
45Gemini 3.8 Flashhigh46.8%59.42026-09-02
46GPT-6 Lunamax46.6%55.12026-09-22
47Gemini 3.8 Flashmedium46.1%60.22026-09-02
48Mistral Large 446.1%52.92026-10-06
49Qwen3.8 27Bxhigh46.0%52.22026-08-14
50Claude Haiku 5.5high45.8%55.32026-10-07
51Muse Spark Openxhigh45.1%53.52026-10-15
52GPT-6 Astralow44.5%62.02026-09-03
53Qwen3.8 27Bmedium44.0%50.22026-08-14
54GPT-5.6 Terrahigh43.9%56.82026-07-09
55GPT-6 Lunaxhigh43.2%52.02026-09-22
56Qwen3.8 27Blow43.2%49.02026-08-14
57K2 Horizon 375B A23B42.9%49.52026-09-03
58GPT-6 Lunahigh42.1%51.12026-09-22
59Agnes 2.5 Pro Beta41.5%–2026-08-26
60GLM 5.3low41.2%47.32026-08-18

更多智能体与工具基准测试 · 全部大模型基准测试

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。