BenchLeader

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。

36 / 36
#
1o3medium100.0%53.32025-04-16
2GPT-5medium96.9%59.02025-08-07
3Grok 496.9%58.12025-07-09
4Gemini 2.5 Pro90.6%55.22025-03-25
5o3-promedium88.9%–2025-06-10
6Kimi K2.578.1%54.62026-01-27
7Grok 4 Fast75.0%–2025-09-19
8Gemini 2.5 Flash68.8%52.42025-05-20
9Qwen3 235B A22B 2507thinking68.8%51.82025-07-25
10Chatgpt 4o 01.29 202565.6%–2025-01-29
11Grok 3 minimedium65.6%–2025-04-09
12GPT-4.563.9%50.52025-02-27
13GPT-5 minimedium62.5%53.62025-08-07
14o4-minimedium62.5%51.72025-04-16
15Qwen3-Next 80B A3B62.5%51.22025-09-11
16GPT-4.162.5%48.72025-04-14
17Gemini 2.0 Flash62.5%43.52025-02-05
18MiniMax-M159.4%49.62025-06-13
19Grok 358.3%50.92025-04-09
20Claude 3.7 Sonnet53.1%49.22025-02-24
21DeepSeek V3.153.1%49.02025-08-21
22o1medium53.1%47.92024-12-17
23GPT-4.1 mini46.9%44.72025-04-14
24Qwen3 235B A22B (Parasail)44.4%–2025-09-01
25o3-minimedium43.8%46.42025-01-31
26Kimi K2 090540.6%51.72025-09-05
27Claude Opus 437.5%51.92025-05-22
28Gemini 2.0 Pro37.5%47.52025-02-05
29Gemini 2.0 Flash Thinkingthinking37.5%45.12025-01-21
30Claude Sonnet 436.4%50.02025-05-22
31Llama 4 Maverick36.4%41.82025-04-06
32DeepSeek R133.3%47.22025-01-20
33Llama 4 Scout27.3%38.22025-04-06
34Gemini 2.5 Flash-Litethinking21.9%47.92025-06-17
35GPT-5 nanomedium21.9%45.62025-08-07
36GPT-4.1 nano18.8%36.92025-04-14

更多长上下文基准测试 · 全部大模型基准测试

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。