CL-bench 排行榜
截至 2026年11月16日,CL-bench 的最高分为 27.9%,由 GPT-5.4(OpenAI)取得,领先于 GPT-5.1(23.7%)。共有 22 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年3月5日)。模型必须运用提示词中给出的新规则或新事实,而不是依赖已有知识来完成的任务。CL-bench 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GPT-5.4 以 27.9% 保持 CL-bench 最高分(Epoch AI Benchmarking Hub,2026年3月5日)。
- GPT-5.1 以 23.7% 位列 CL-bench 第二(Epoch AI Benchmarking Hub,2025年11月13日)。
- CL-bench:需要利用上下文中给出的信息的持续学习式任务(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 22 个模型配置公布了 CL-bench 结果(BenchLeader,2026年11月16日)。
- CL-bench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
需要利用上下文中给出的信息的持续学习式任务。
- 类别
- 推理
- Index 权重
- 仅作参考
- 模型
- 22
- 数据截至
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
模型必须运用提示词中给出的新规则或新事实,而不是依赖已有知识来完成的任务。
评分方式
总分,由 CL-bench 发布。
注意事项
新推出;题集小。
- 1GPT-5.4 (xhigh)27.9%
- 2GPT-5.1 (high)23.7%
- 3Grok 4.2022.2%
- 4Claude Opus 4.521.1%
- 5GPT-5.121.1%
- 6Gemini 3.1 Pro20.8%
- 7Claude Opus 4.620.7%
- 8Qwen3.6 Plus20.3%
- 9Qwen3.5 Plus19.8%
- 10Kimi K2.519.3%
- 11GLM-518.7%
- 12GPT-5.218.2%
- 13GPT-5.2 (high)18.1%
- 14o3 (high)17.8%
- 15Kimi K2 Thinking (thinking)17.6%
22 / 22
| # | ||||
|---|---|---|---|---|
| 1 | 27.9% | 63.1 | 2026-03-05 | |
| 2 | 23.7% | 57.5 | 2025-11-13 | |
| 3 | 22.2% | – | 2026-02-17 | |
| 4 | 21.1% | 57.1 | 2025-11-24 | |
| 5 | 21.1% | 56.1 | 2025-11-13 | |
| 6 | 20.8% | 59.9 | 2026-02-19 | |
| 7 | 20.7% | 62.1 | 2026-02-05 | |
| 8 | 20.3% | 59.0 | 2026-03-31 | |
| 9 | 19.8% | – | 2026-02-16 | |
| 10 | 19.3% | 54.6 | 2026-01-27 | |
| 11 | 18.7% | 54.9 | 2026-02-11 | |
| 12 | 18.2% | 56.7 | 2025-12-11 | |
| 13 | 18.1% | 55.8 | 2025-12-11 | |
| 14 | 17.8% | 55.1 | 2025-04-16 | |
| 15 | 17.6% | 52.3 | 2025-11-06 | |
| 16 | 15.9% | 51.7 | 2025-12-22 | |
| 17 | 15.8% | 60.0 | 2025-11-18 | |
| 18 | 15.7% | 59.1 | – | |
| 19 | 14.5% | 54.2 | 2025-09-24 | |
| 20 | 13.2% | 56.7 | 2025-09-29 | |
| 21 | 12.4% | 50.2 | 2025-12-01 | |
| 22 | 11.4% | 53.7 | 2026-02-12 |
相关基准测试
CL-bench 上的热门模型对比
引用格式:BenchLeader,《CL-bench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/cl_bench。
CL-bench:常见问题
- CL-bench 衡量的是什么?
- 模型必须运用提示词中给出的新规则或新事实,而不是依赖已有知识来完成的任务。分数以完成任务的百分比表示,越高越好。
- CL-bench 的最高分是多少?
- 截至 2026年11月16日,CL-bench 的最高分为 27.9%,由 GPT-5.4 取得(结果日期 2026年3月5日),领先于 GPT-5.1(23.7%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 CL-bench 上领先?
- 截至 2026年11月16日,CL-bench 排名第一的是 GPT-5.4,分数为 27.9%(结果日期 2026年3月5日)。其后为 GPT-5.1(23.7%)。
- 有多少模型有 CL-bench 结果?
- BenchLeader 上有 22 个模型配置有 CL-bench 结果,全部取自 Epoch AI Benchmarking Hub。
- CL-bench 由谁运行,多久更新一次?
- CL-bench 由 Epoch AI Benchmarking Hub 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。
- CL-bench 是否计入 BenchLeader Index?
- 不计入。CL-bench 仅作参考展示,不计入综合分数。