DeepResearch Bench 排行榜
截至 2026年11月16日,DeepResearch Bench 的最高分为 55.3%,由 Claude Opus 4.6(Anthropic)取得,领先于 Claude Sonnet 4.6(54.9%)。共有 40 个模型配置公布了结果(DeepResearch Bench,结果日期 2026年2月5日)。需要收集资料并撰写报告的研究问题,按评分标准评判。DeepResearch Bench 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Opus 4.6 以 55.3% 保持 DeepResearch Bench 最高分(DeepResearch Bench,2026年2月5日)。
- Claude Sonnet 4.6 以 54.9% 位列 DeepResearch Bench 第二(DeepResearch Bench,2026年2月17日)。
- DeepResearch Bench:按深度和准确性评判的长篇研究报告(DeepResearch Bench)。
- BenchLeader 上有 40 个模型配置公布了 DeepResearch Bench 结果(BenchLeader,2026年11月16日)。
- DeepResearch Bench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
按深度和准确性评判的长篇研究报告。
- 发布方
- DeepResearch Bench数据经由 Epoch AI Benchmarking Hub
- 类别
- 智能体与工具
- Index 权重
- 仅作参考
- 模型
- 40
- 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
需要收集资料并撰写报告的研究问题,按评分标准评判。
评分方式
平均评分标准得分,由 DeepResearch Bench 发布。
注意事项
报告按评分标准打分;测试框架和搜索工具都有影响。
- 1Claude Opus 4.6 (high)55.3%
- 2Claude Sonnet 4.6 (high)54.9%
- 3Claude Opus 4.5 (high)54.8%
- 4GPT-5.5 (high)54.0%
- 5Claude Opus 4.5 (low)53.7%
- 6Claude Opus 4.6 (medium)53.2%
- 7Claude Sonnet 4.552.6%
- 8Claude Opus 4.6 (low)51.4%
- 9Claude Sonnet 4.6 (low)50.4%
- 10Claude Opus 4.8 (high)50.2%
- 11Gemini 3 Flash (low)49.8%
- 12GPT-5.5 (medium)49.6%
- 13GPT-5 (low)49.6%
- 14Claude Opus 4.8 (low)49.3%
- 15Gemini 3 Flash (minimal)49.0%
40 / 40
| # | ||||
|---|---|---|---|---|
| 1 | 55.3% | 62.5 | 2026-02-05 | |
| 2 | 54.9% | 50.3 | 2026-02-17 | |
| 3 | 54.8% | 59.7 | 2025-11-24 | |
| 4 | 54.0% | 63.5 | 2026-04-23 | |
| 5 | 53.7% | – | 2025-11-24 | |
| 6 | 53.2% | – | 2026-02-05 | |
| 7 | 52.6% | 53.8 | 2025-09-29 | |
| 8 | 51.4% | – | 2026-02-05 | |
| 9 | 50.4% | – | 2026-02-17 | |
| 10 | 50.2% | 60.4 | 2026-05-28 | |
| 11 | 49.8% | – | 2025-12-17 | |
| 12 | 49.6% | 60.8 | 2026-04-23 | |
| 13 | 49.6% | 53.5 | 2025-08-07 | |
| 14 | 49.3% | – | 2026-05-28 | |
| 15 | 49.0% | 53.8 | 2025-12-17 | |
| 16 | 48.9% | 45.2 | 2025-08-07 | |
| 17 | 48.7% | 58.1 | 2026-04-23 | |
| 18 | 48.6% | 59.0 | 2025-08-07 | |
| 19 | 48.3% | 51.1 | 2025-08-05 | |
| 20 | 48.1% | 58.2 | 2025-08-07 | |
| 21 | 47.9% | 57.4 | 2025-12-17 | |
| 22 | 47.8% | 60.4 | 2026-02-19 | |
| 23 | 47.5% | – | 2025-09-29 | |
| 24 | 47.4% | – | 2026-05-28 | |
| 25 | 47.3% | 58.1 | 2025-07-09 | |
| 26 | 46.8% | 51.9 | 2025-05-22 | |
| 27 | 46.6% | 50.0 | 2025-05-22 | |
| 28 | 46.3% | – | 2025-11-18 | |
| 29 | 45.5% | – | 2025-10-15 | |
| 30 | 45.2% | 53.3 | 2025-04-16 | |
| 31 | 44.5% | – | 2026-02-19 | |
| 32 | 43.6% | 49.2 | 2025-02-24 | |
| 33 | 42.8% | 55.2 | 2025-06-05 | |
| 34 | 42.8% | – | 2025-11-13 | |
| 35 | 41.1% | 49.5 | 2025-12-11 | |
| 36 | 37.3% | – | 2026-03-03 | |
| 37 | 36.4% | 52.6 | 2026-03-03 | |
| 38 | 36.3% | – | 2026-03-17 | |
| 39 | 35.1% | 58.8 | 2026-03-05 | |
| 40 | 35.1% | 49.1 | 2025-05-28 |
相关基准测试
DeepResearch Bench 上的热门模型对比
引用格式:BenchLeader,《DeepResearch Bench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/deepresearch_bench。
DeepResearch Bench:常见问题
- DeepResearch Bench 衡量的是什么?
- 需要收集资料并撰写报告的研究问题,按评分标准评判。分数以完成任务的百分比表示,越高越好。
- DeepResearch Bench 的最高分是多少?
- 截至 2026年11月16日,DeepResearch Bench 的最高分为 55.3%,由 Claude Opus 4.6 取得(结果日期 2026年2月5日),领先于 Claude Sonnet 4.6(54.9%)。分数来自 DeepResearch Bench,每天重新读取。
- 哪个 AI 模型在 DeepResearch Bench 上领先?
- 截至 2026年11月16日,DeepResearch Bench 排名第一的是 Claude Opus 4.6,分数为 55.3%(结果日期 2026年2月5日)。其后为 Claude Sonnet 4.6(54.9%)。
- 有多少模型有 DeepResearch Bench 结果?
- BenchLeader 上有 40 个模型配置有 DeepResearch Bench 结果,全部取自 DeepResearch Bench(经由 Epoch AI Benchmarking Hub)。
- DeepResearch Bench 由谁运行,多久更新一次?
- DeepResearch Bench 由 DeepResearch Bench 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。
- DeepResearch Bench 是否计入 BenchLeader Index?
- 不计入。DeepResearch Bench 仅作参考展示,不计入综合分数。