BenchLeader

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。

40 / 40
#
1Claude Opus 4.6high55.3%62.52026-02-05
2Claude Sonnet 4.6high54.9%50.32026-02-17
3Claude Opus 4.5high54.8%59.72025-11-24
4GPT-5.5high54.0%63.52026-04-23
5Claude Opus 4.5low53.7%–2025-11-24
6Claude Opus 4.6medium53.2%–2026-02-05
7Claude Sonnet 4.552.6%53.82025-09-29
8Claude Opus 4.6low51.4%–2026-02-05
9Claude Sonnet 4.6low50.4%–2026-02-17
10Claude Opus 4.8high50.2%60.42026-05-28
11Gemini 3 Flashlow49.8%–2025-12-17
12GPT-5.5medium49.6%60.82026-04-23
13GPT-5low49.6%53.52025-08-07
14Claude Opus 4.8low49.3%–2026-05-28
15Gemini 3 Flashminimal49.0%53.82025-12-17
16GPT-5minimal48.9%45.22025-08-07
17GPT-5.5low48.7%58.12026-04-23
18GPT-5medium48.6%59.02025-08-07
19Claude Opus 4.148.3%51.12025-08-05
20GPT-5high48.1%58.22025-08-07
21Gemini 3 Flashhigh47.9%57.42025-12-17
22Gemini 3.1 Prohigh47.8%60.42026-02-19
23Claude Sonnet 4.5low47.5%–2025-09-29
24Claude Opus 4.8medium47.4%–2026-05-28
25Grok 447.3%58.12025-07-09
26Claude Opus 446.8%51.92025-05-22
27Claude Sonnet 446.6%50.02025-05-22
28Gemini 3 Prolow46.3%–2025-11-18
29Claude Haiku 4.5low45.5%–2025-10-15
30o3medium45.2%53.32025-04-16
31Gemini 3.1 Prolow44.5%–2026-02-19
32Claude 3.7 Sonnet43.6%49.22025-02-24
33Gemini 2.5 Pro42.8%55.22025-06-05
34GPT-5.1low42.8%–2025-11-13
35GPT-5.2low41.1%49.52025-12-11
36Gemini 3.1 Flash Litelow37.3%–2026-03-03
37Gemini 3.1 Flash Lite36.4%52.62026-03-03
38GPT-5.4 Minilow36.3%–2026-03-17
39GPT-5.4low35.1%58.82026-03-05
40DeepSeek R1 052835.1%49.12025-05-28

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,《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。