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。
- 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。
- 1Claude Opus 5.5 (max)1866
- 2Kimi K3.1 Pro1861
- 3Muse Wonder Full (max)1857
- 4Claude Sonnet 5.5 (max)1838
- 5Claude Opus 5.5 (xhigh)1836
- 6Claude Fable 5.2 (max)1831
- 7Muse Wonder (max)1770
- 8Claude Fable 5.1 (max)1765
- 9Claude Fable 5.2 (xhigh)1751
- 10DeepSeek V4.1 Flash 1017 (max)1746
- 11Claude Sonnet 5.5 (xhigh)1743
- 12Claude Fable 5.1 (xhigh)1741
- 13Gemini 4 Carbon (high)1733
- 14Claude Opus 5 (max)1729
- 15Claude Fable 5.2 (high)1718
| # | ||||
|---|---|---|---|---|
| 1 | 1866 | 68.4 | 2026-09-22 | |
| 2 | 1861 | 61.8 | 2026-10-23 | |
| 3 | 1857 | 61.7 | 2026-10-12 | |
| 4 | 1838 | 64.2 | 2026-09-28 | |
| 5 | 1836 | 65.4 | 2026-09-22 | |
| 6 | 新 | 1831 | 72.7 | 2026-11-09 |
| 7 | 1770 | 60.8 | 2026-10-12 | |
| 8 | 1765 | 66.7 | 2026-09-01 | |
| 9 | 新 | 1751 | 69.7 | 2026-11-09 |
| 10 | 1746 | 57.7 | 2026-10-17 | |
| 11 | 1743 | 62.5 | 2026-09-28 | |
| 12 | 1741 | 64.6 | 2026-09-01 | |
| 13 | 1733 | 68.9 | 2026-10-28 | |
| 14 | 1729 | 65.0 | 2026-07-24 | |
| 15 | 新 | 1718 | 68.4 | 2026-11-09 |
| 16 | 1718 | 56.9 | 2026-09-21 | |
| 17 | 1717 | 57.4 | 2026-09-21 | |
| 18 | 1709 | 66.0 | 2026-09-22 | |
| 19 | 1695 | 60.1 | 2026-07-24 | |
| 20 | 1692 | 57.5 | 2026-09-21 | |
| 21 | 1681 | 60.6 | 2026-09-02 | |
| 22 | 1674 | 58.7 | 2026-09-02 | |
| 23 | 1658 | 56.1 | 2026-08-12 | |
| 24 | 1655 | 50.8 | 2026-10-22 | |
| 25 | 1655 | 58.8 | 2026-08-18 | |
| 26 | 1648 | 57.8 | 2026-08-26 | |
| 27 | 1644 | 63.7 | 2026-09-01 | |
| 28 | 1637 | 53.9 | 2026-08-26 | |
| 29 | 1634 | 65.3 | 2026-09-30 | |
| 30 | 1631 | 58.1 | 2026-09-02 | |
| 31 | 1630 | 57.9 | 2026-11-05 | |
| 32 | 1629 | 55.3 | 2026-10-07 | |
| 33 | 1627 | 60.6 | 2026-08-12 | |
| 34 | 1621 | 59.4 | 2026-08-12 | |
| 35 | 1619 | 65.3 | 2026-07-09 | |
| 36 | 1618 | 65.1 | 2026-06-09 | |
| 37 | 1615 | 54.8 | 2026-09-21 | |
| 38 | 1614 | 51.4 | 2026-08-12 | |
| 39 | 1607 | 66.6 | 2026-09-29 | |
| 40 | 1605 | 64.4 | 2026-07-24 | |
| 41 | 1600 | 58.5 | 2026-09-10 | |
| 42 | 新 | 1591 | 66.3 | 2026-11-09 |
| 43 | 1591 | 56.0 | 2026-09-18 | |
| 44 | 1590 | 61.2 | 2026-09-22 | |
| 45 | 1587 | 55.4 | 2026-09-21 | |
| 46 | 1587 | 67.3 | 2026-09-03 | |
| 47 | 1578 | 61.6 | 2026-09-30 | |
| 48 | 1577 | 63.9 | 2026-07-09 | |
| 49 | 1572 | 66.0 | 2026-09-03 | |
| 50 | 1563 | 63.6 | 2026-09-29 | |
| 51 | 1555 | – | 2026-08-21 | |
| 52 | 1554 | 61.7 | 2026-09-01 | |
| 53 | 1551 | 59.5 | 2026-09-28 | |
| 54 | 新 | 1546 | 65.3 | 2026-11-09 |
| 55 | 1542 | 60.2 | 2026-07-16 | |
| 56 | 1538 | 66.3 | 2026-09-03 | |
| 57 | 1523 | 56.7 | 2026-10-07 | |
| 58 | 1521 | 63.4 | 2026-09-29 | |
| 59 | 1514 | 62.6 | 2026-09-22 | |
| 60 | 1511 | 63.4 | 2026-07-09 |
相关基准测试
GDPval-AA v2.1 上的热门模型对比
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。