BenchLeader

GDPval-AA 排行榜

截至 2026年11月16日,GDPval-AA 的最高分为 1866,由 Claude Opus 5.5(Anthropic)取得,领先于 Kimi K3.1 Pro(1861)。共有 313 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。Artificial Analysis 让模型在智能体循环中使用 shell 和网络访问来完成这些成果。GDPval-AA 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 1866 保持 GDPval-AA v2.1 最高分(Artificial Analysis,2026年9月22日)。
  • Kimi K3.1 Pro 以 1861 位列 GDPval-AA v2.1 第二(Artificial Analysis,2026年10月23日)。
  • GDPval-AA v2.1:Artificial Analysis 在可访问 shell 和网络的智能体循环中运行 OpenAI GDPval 专业任务,根据工作成果的盲测两两对比给出 Elo 评分(Artificial Analysis)。
  • BenchLeader 上有 313 个模型配置公布了 GDPval-AA v2.1 结果(BenchLeader,2026年11月16日)。
  • GDPval-AA v2.1 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

Artificial Analysis 在可访问 shell 和网络的智能体循环中运行 OpenAI GDPval 专业任务,根据工作成果的盲测两两对比给出 Elo 评分。

发布方
Artificial Analysis
类别
智能体与工具
Index 权重
仅作参考
模型
313
数据截至
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

与此前同名的测试不可比较,旧测试的最终分数保留在 GDPval-AA v2.1, normalised score。

测试内容

GDPval 要求模型在 44 种职业中产出真实的工作成果。Artificial Analysis 让模型在智能体循环中使用 shell 和网络访问来完成这些成果。

评分方式

根据模型工作成果之间的盲评两两比较得出的 Elo,所以评分只有相对于榜上其他模型才有意义。

注意事项

2026 年 10 月下旬取代了归一化百分比,两者不可比。随着新模型加入,两两比较得出的评分会变动。计入 Index 的是 Epoch 同步的官方结果。

313 / 313
#
1Claude Opus 5.5max186668.42026-09-22
2Kimi K3.1 Pro186161.82026-10-23
3Muse Wonder Fullmax185761.72026-10-12
4Claude Sonnet 5.5max183864.22026-09-28
5Claude Opus 5.5xhigh183665.42026-09-22
6新Claude Fable 5.2max183172.72026-11-09
7Muse Wondermax177060.82026-10-12
8Claude Fable 5.1max176566.72026-09-01
9新Claude Fable 5.2xhigh175169.72026-11-09
10DeepSeek V4.1 Flash 1017max174657.72026-10-17
11Claude Sonnet 5.5xhigh174362.52026-09-28
12Claude Fable 5.1xhigh174164.62026-09-01
13Gemini 4 Carbonhigh173368.92026-10-28
14Claude Opus 5max172965.02026-07-24
15新Claude Fable 5.2high171868.42026-11-09
16Grok 4.7high171856.92026-09-21
17Grok 4.7xhigh171757.42026-09-21
18Claude Opus 5.5high170966.02026-09-22
19Claude Opus 5xhigh169560.12026-07-24
20MiMo-V2.6-Pro169257.52026-09-21
21Muse Spark 1.3max168160.62026-09-02
22Qwen3.8 Maxmax167458.72026-09-02
23Grok 4.6xhigh165856.12026-08-12
24Ling 3.1 Flash165550.82026-10-22
25GLM 5.3max165558.82026-08-18
26GLM 5.3 Flash164857.82026-08-26
27Claude Fable 5.1high164463.72026-09-01
28Qwen3.8-Flash-Next163753.92026-08-26
29Gemini 4 Argonhigh163465.32026-09-30
30Muse Spark 1.3xhigh163158.12026-09-02
31Inkling 2 Small163057.92026-11-05
32Claude Haiku 5.5max162955.32026-10-07
33Grok 4.6high162760.62026-08-12
34Grok 4.6medium162159.42026-08-12
35GPT-5.6 Solmax161965.32026-07-09
36Claude Fable 5max161865.12026-06-09
37MiMo-V2.6-Flash161554.82026-09-21
38Qwen3.8 2.4T A95B161451.42026-08-12
39GPT-6.1 Solmax160766.62026-09-29
40Claude Opus 5high160564.42026-07-24
41DeepSeek V4.1 Flashmax160058.52026-09-10
42新Claude Fable 5.2medium159166.32026-11-09
43Step 5 Preview159156.02026-09-18
44Claude Opus 5.5medium159061.22026-09-22
45Grok 4.7low158755.42026-09-21
46GPT-6 Astramax158767.32026-09-03
47Gemini 4 Argonmedium157861.62026-09-30
48GPT-5.6 Solxhigh157763.92026-07-09
49GPT-6 Astraxhigh157266.02026-09-03
50GPT-6.1 Solxhigh156363.62026-09-29
51Deepseek v4 Flash Visionmax1555–2026-08-21
52Claude Fable 5.1medium155461.72026-09-01
53Claude Sonnet 5.5high155159.52026-09-28
54新Claude Fable 5.2low154665.32026-11-09
55Kimi K3max154260.22026-07-16
56GPT-6 Astrahigh153866.32026-09-03
57Claude Haiku 5.5xhigh152356.72026-10-07
58GPT-6.1 Solhigh152163.42026-09-29
59GPT-6 Solmax151462.62026-09-22
60GPT-5.6 Solhigh151163.42026-07-09

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 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_gdpval_elo。

GDPval-AA v2.1:常见问题

GDPval-AA v2.1 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。Artificial Analysis 让模型在智能体循环中使用 shell 和网络访问来完成这些成果。分数以基于两两对比的 Elo 式评分表示,越高越好。
GDPval-AA v2.1 的最高分是多少?
截至 2026年11月16日,GDPval-AA v2.1 的最高分为 1866,由 Claude Opus 5.5 取得(结果日期 2026年9月22日),领先于 Kimi K3.1 Pro(1861)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 GDPval-AA v2.1 上领先?
截至 2026年11月16日,GDPval-AA v2.1 排名第一的是 Claude Opus 5.5,分数为 1866(结果日期 2026年9月22日)。其后为 Kimi K3.1 Pro(1861)。
有多少模型有 GDPval-AA v2.1 结果?
BenchLeader 上有 313 个模型配置有 GDPval-AA v2.1 结果,全部取自 Artificial Analysis。
GDPval-AA v2.1 由谁运行,多久更新一次?
GDPval-AA v2.1 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 是否计入 BenchLeader Index?
不计入。GDPval-AA v2.1 仅作参考展示,不计入综合分数。