BenchLeader

ITBench SRE (AA) 排行榜

截至 2026年11月16日,ITBench SRE (AA) 的最高分为 56.2%,由 GPT-5.6 Sol(OpenAI)取得,领先于 Step 5 Preview(55.6%)。共有 45 个模型配置公布了结果(Artificial Analysis,结果日期 2026年7月9日)。ITBench SRE 把智能体放进一个正在运行、出了事故的 IT 环境,让它像值班工程师那样诊断并修复问题。ITBench SRE (AA) 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • GPT-5.6 Sol 以 56.2% 保持 ITBench SRE (AA) 最高分(Artificial Analysis,2026年7月9日)。
  • Step 5 Preview 以 55.6% 位列 ITBench SRE (AA) 第二(Artificial Analysis,2026年9月18日)。
  • ITBench SRE (AA):在运行中的 IT 环境里处理站点可靠性(SRE)事故,由 Artificial Analysis 运行(Artificial Analysis)。
  • BenchLeader 上有 45 个模型配置公布了 ITBench SRE (AA) 结果(BenchLeader,2026年11月16日)。
  • ITBench SRE (AA) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

在运行中的 IT 环境里处理站点可靠性(SRE)事故,由 Artificial Analysis 运行。

发布方
Artificial Analysis
类别
智能体与工具
Index 权重
仅作参考
模型
45
数据截至
2026年11月16日

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

测试内容

ITBench SRE 把智能体放进一个正在运行、出了事故的 IT 环境,让它像值班工程师那样诊断并修复问题。

评分方式

解决事故的百分比,由 Artificial Analysis 运行。

注意事项

目前有结果的模型很少,而且每项任务耗时很长,所以分数波动大。

45 / 45
#
1GPT-5.6 Solmax56.2%65.32026-07-09
2Step 5 Preview55.6%56.02026-09-18
3Gemini 3.8 Flashhigh52.5%59.42026-09-02
4GLM 5.3 Flash51.2%57.82026-08-26
5GPT-5.6 Terramax51.0%59.52026-07-09
6Claude Fable 5.1max49.5%66.72026-09-01
7GPT-6 Solmax49.4%62.62026-09-22
8GPT-6 Astramax48.6%67.32026-09-03
9Kimi K3max47.7%60.22026-07-16
10DeepSeek V4.1 Flashmax46.9%58.52026-09-10
11Claude Opus 4.7max46.7%59.72026-04-16
12GLM 5.3max46.1%58.82026-08-18
13GPT-5.5xhigh45.8%64.12026-04-23
14GLM 5.2max42.7%58.92026-06-16
15Qwen3.7max42.5%60.02026-05-19
16Grok 4.7xhigh42.1%57.42026-09-21
17Gemini 3.5 Flashhigh40.4%62.52026-05-19
18GPT-5.6 Lunamax40.3%56.22026-07-09
19Qwen3.8 Maxmax40.3%58.72026-09-02
20GLM 5.1thinking40.3%–2026-04-07
21Claude Sonnet 4.6max39.8%56.12026-02-17
22DeepSeek V4 Pro 0424max38.3%–2026-04-24
23Claude Opus 5.5max38.2%68.42026-09-22
24MiMo-V2.5-Prothinking38.2%–2026-04-22
25Gemma 4 31Bthinking37.3%46.62026-04-02
26Qwen3.5-27Bthinking35.5%–2026-02-24
27GPT-5.4 Minixhigh35.2%55.12026-03-17
28Qwen3.5 397B A17Bthinking34.1%56.42026-02-16
29Muse Spark 1.3max33.2%60.62026-09-02
30Grok 4.3high32.7%56.52026-04-30
31DeepSeek V4 Flash 0420max31.5%–2026-04-24
32Kimi K2.6thinking31.2%59.32026-04-20
33Gemini 3.1 Pro30.3%59.92026-02-19
34Step 3.7 Flash30.3%53.02026-05-29
35Claude Haiku 4.5thinking27.3%45.72025-10-15
36MiniMax M2.726.5%56.62026-03-18
37GPT-5.4 Nanoxhigh24.4%53.92026-03-17
38Gemma 4 26B A4Bthinking23.6%50.92026-04-02
39Qwen3.5-35B-A3Bthinking21.5%–2026-02-24
40GPT-5.4 Mini无推理18.6%44.72026-03-17
41Grok 4.1 Fast无推理17.9%43.12025-11-19
42GPT-5.4 Nano无推理12.9%41.82026-03-17
43gpt-oss-120bhigh5.7%45.32025-08-05
44Nemotron 3 Super 120B A12Bthinking1.1%51.12026-03-11
45Llama 3.3 70B0.6%39.92024-12-06

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,《ITBench SRE (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_itbench_sre。

ITBench SRE (AA):常见问题

ITBench SRE (AA) 衡量的是什么?
ITBench SRE 把智能体放进一个正在运行、出了事故的 IT 环境,让它像值班工程师那样诊断并修复问题。分数以完成任务的百分比表示,越高越好。
ITBench SRE (AA) 的最高分是多少?
截至 2026年11月16日,ITBench SRE (AA) 的最高分为 56.2%,由 GPT-5.6 Sol 取得(结果日期 2026年7月9日),领先于 Step 5 Preview(55.6%)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 ITBench SRE (AA) 上领先?
截至 2026年11月16日,ITBench SRE (AA) 排名第一的是 GPT-5.6 Sol,分数为 56.2%(结果日期 2026年7月9日)。其后为 Step 5 Preview(55.6%)。
有多少模型有 ITBench SRE (AA) 结果?
BenchLeader 上有 45 个模型配置有 ITBench SRE (AA) 结果,全部取自 Artificial Analysis。
ITBench SRE (AA) 由谁运行,多久更新一次?
ITBench SRE (AA) 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。
ITBench SRE (AA) 是否计入 BenchLeader Index?
不计入。ITBench SRE (AA) 仅作参考展示,不计入综合分数。