Fiction.LiveBench 120k 排行榜
截至 2026年11月16日,Fiction.LiveBench 120k 的最高分为 100.0%,由 o3(OpenAI)取得,领先于 GPT-5(96.9%)。共有 36 个模型配置公布了结果(Fiction.live,结果日期 2025年4月16日)。Fiction.LiveBench 考查长篇故事的阅读理解:给模型最多 120,000 个 token 的小说文本,提出的问题需要在全文中追踪人物和事件才能回答。Fiction.LiveBench 120k 计入 BenchLeader Index 的长上下文得分。
要点(截至 2026年11月16日)
- o3 以 100.0% 保持 Fiction.LiveBench 120k 最高分(Fiction.live,2025年4月16日)。
- GPT-5 以 96.9% 位列 Fiction.LiveBench 120k 第二(Fiction.live,2025年8月7日)。
- Fiction.LiveBench 120k:12 万 token 长度的小说长上下文理解(Fiction.live)。
- BenchLeader 上有 36 个模型配置公布了 Fiction.LiveBench 120k 结果(BenchLeader,2026年11月16日)。
- Fiction.LiveBench 120k 计入 BenchLeader Index 的长上下文类别(BenchLeader 方法论)。
12 万 token 长度的小说长上下文理解。
- 发布方
- Fiction.live数据经由 Epoch AI Benchmarking Hub
- 类别
- 长上下文
- Index 权重
- 1.0
- 模型
- 36
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年1月27日
自 2026年1月27日 以来,发布方没有在该排行榜上公布新结果。BenchLeader 每天都会重新读取,新模型的结果一经公布就会出现在这里。
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
Fiction.LiveBench 考查长篇故事的阅读理解:给模型最多 120,000 个 token 的小说文本,提出的问题需要在全文中追踪人物和事件才能回答。
评分方式
在 120k token 上下文长度下答对问题的百分比。
注意事项
对大多数模型来说,长上下文分数会随长度急剧下降,所以 120k 的结果可能与较短上下文的结果差别很大。这些故事来自同人小说网站,可能已在训练数据中。
- 1o3 (medium)100.0%
- 2GPT-5 (medium)96.9%
- 3Grok 496.9%
- 4Gemini 2.5 Pro90.6%
- 5o3-pro (medium)88.9%
- 6Kimi K2.578.1%
- 7Grok 4 Fast75.0%
- 8Gemini 2.5 Flash68.8%
- 9Qwen3 235B A22B 2507 (thinking)68.8%
- 10Chatgpt 4o 01.29 202565.6%
- 11Grok 3 mini (medium)65.6%
- 12GPT-4.563.9%
- 13GPT-5 mini (medium)62.5%
- 14o4-mini (medium)62.5%
- 15Qwen3-Next 80B A3B62.5%
| # | ||||
|---|---|---|---|---|
| 1 | 100.0% | 53.3 | 2025-04-16 | |
| 2 | 96.9% | 59.0 | 2025-08-07 | |
| 3 | 96.9% | 58.1 | 2025-07-09 | |
| 4 | 90.6% | 55.2 | 2025-03-25 | |
| 5 | 88.9% | – | 2025-06-10 | |
| 6 | 78.1% | 54.6 | 2026-01-27 | |
| 7 | 75.0% | – | 2025-09-19 | |
| 8 | 68.8% | 52.4 | 2025-05-20 | |
| 9 | 68.8% | 51.8 | 2025-07-25 | |
| 10 | 65.6% | – | 2025-01-29 | |
| 11 | 65.6% | – | 2025-04-09 | |
| 12 | 63.9% | 50.5 | 2025-02-27 | |
| 13 | 62.5% | 53.6 | 2025-08-07 | |
| 14 | 62.5% | 51.7 | 2025-04-16 | |
| 15 | 62.5% | 51.2 | 2025-09-11 | |
| 16 | 62.5% | 48.7 | 2025-04-14 | |
| 17 | 62.5% | 43.5 | 2025-02-05 | |
| 18 | 59.4% | 49.6 | 2025-06-13 | |
| 19 | 58.3% | 50.9 | 2025-04-09 | |
| 20 | 53.1% | 49.2 | 2025-02-24 | |
| 21 | 53.1% | 49.0 | 2025-08-21 | |
| 22 | 53.1% | 47.9 | 2024-12-17 | |
| 23 | 46.9% | 44.7 | 2025-04-14 | |
| 24 | 44.4% | – | 2025-09-01 | |
| 25 | 43.8% | 46.4 | 2025-01-31 | |
| 26 | 40.6% | 51.7 | 2025-09-05 | |
| 27 | 37.5% | 51.9 | 2025-05-22 | |
| 28 | 37.5% | 47.5 | 2025-02-05 | |
| 29 | 37.5% | 45.1 | 2025-01-21 | |
| 30 | 36.4% | 50.0 | 2025-05-22 | |
| 31 | 36.4% | 41.8 | 2025-04-06 | |
| 32 | 33.3% | 47.2 | 2025-01-20 | |
| 33 | 27.3% | 38.2 | 2025-04-06 | |
| 34 | 21.9% | 47.9 | 2025-06-17 | |
| 35 | 21.9% | 45.6 | 2025-08-07 | |
| 36 | 18.8% | 36.9 | 2025-04-14 |
引用格式:BenchLeader,《Fiction.LiveBench 120k 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/fiction_livebench。
Fiction.LiveBench 120k:常见问题
- Fiction.LiveBench 120k 衡量的是什么?
- Fiction.LiveBench 考查长篇故事的阅读理解:给模型最多 120,000 个 token 的小说文本,提出的问题需要在全文中追踪人物和事件才能回答。分数以完成任务的百分比表示,越高越好。
- Fiction.LiveBench 120k 的最高分是多少?
- 截至 2026年11月16日,Fiction.LiveBench 120k 的最高分为 100.0%,由 o3 取得(结果日期 2025年4月16日),领先于 GPT-5(96.9%)。分数来自 Fiction.live,每天重新读取。
- 哪个 AI 模型在 Fiction.LiveBench 120k 上领先?
- 截至 2026年11月16日,Fiction.LiveBench 120k 排名第一的是 o3,分数为 100.0%(结果日期 2025年4月16日)。其后为 GPT-5(96.9%)。
- 有多少模型有 Fiction.LiveBench 120k 结果?
- BenchLeader 上有 36 个模型配置有 Fiction.LiveBench 120k 结果,全部取自 Fiction.live(经由 Epoch AI Benchmarking Hub)。
- Fiction.LiveBench 120k 由谁运行,多久更新一次?
- Fiction.LiveBench 120k 由 Fiction.live 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。
- Fiction.LiveBench 120k 是否计入 BenchLeader Index?
- 计入。Fiction.LiveBench 120k 计入 BenchLeader Index 的长上下文类别,并经过归一化,使参评模型的平均值为 50。