BenchLeader

GSO-Bench 排行榜

截至 2026年11月16日,GSO-Bench 的最高分为 88.2%,由 Claude Fable 5.1(Anthropic)取得,领先于 GPT-6 Astra(79.4%)。共有 35 个模型配置公布了结果(GSO-Bench,结果日期 2026年9月1日)。GSO-Bench 要求模型让真实的软件跑得更快:给出一个仓库和性能目标,模型必须提交一项优化,并与专家实现的加速效果进行对比。GSO-Bench 计入 BenchLeader Index 的编程得分。

要点(截至 2026年11月16日)

  • Claude Fable 5.1 以 88.2% 保持 GSO-Bench 最高分(GSO-Bench,2026年9月1日)。
  • GPT-6 Astra 以 79.4% 位列 GSO-Bench 第二(GSO-Bench,2026年9月3日)。
  • GSO-Bench:以专家优化提速为基准衡量的软件优化任务(GSO-Bench)。
  • BenchLeader 上有 35 个模型配置公布了 GSO-Bench 结果(BenchLeader,2026年11月16日)。
  • GSO-Bench 计入 BenchLeader Index 的编程类别(BenchLeader 方法论)。

以专家优化提速为基准衡量的软件优化任务。

发布方
GSO-Bench数据经由 Epoch AI Benchmarking Hub
类别
编程
Index 权重
0.5
模型
35
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

GSO-Bench 要求模型让真实的软件跑得更快:给出一个仓库和性能目标,模型必须提交一项优化,并与专家实现的加速效果进行对比。

评分方式

模型的改动在保持测试全部通过的同时达到专家级加速的任务百分比。

注意事项

性能测量受硬件和噪声影响,而且门槛是专家的成绩,所以大多数模型得分很低。它考查的是通用编程测试覆盖不到的系统知识。

35 / 35
#
1Claude Fable 5.188.2%66.42026-09-01
2GPT-6 Astra79.4%66.42026-09-03
3Claude Fable 578.4%65.42026-06-09
4GPT-5.6 Sol76.5%54.32026-07-09
5Claude Opus 4.847.1%58.72026-05-28
6Claude Opus 4.744.1%63.12026-04-16
7Claude Opus 4.7high44.1%60.02026-04-16
8Claude Opus 4.6high41.2%62.52026-02-05
9GPT-5.5xhigh40.2%64.12026-04-23
10Claude Sonnet 537.3%53.02026-06-30
11Claude Opus 4.633.3%62.12026-02-05
12GPT-5.4xhigh31.4%63.12026-03-05
13GPT-5.2high27.4%55.82025-12-11
14Claude Opus 4.526.5%57.12025-11-24
15GPT-5.4high25.5%58.62026-03-05
16Gemini 3.1 Pro22.6%59.92026-02-19
17Gemini 3 Pro18.6%60.02025-11-18
18Claude Sonnet 4.514.7%53.82025-09-29
19GPT-5.113.7%56.12025-11-13
20GPT-5.1high13.7%57.52025-11-13
21Gemini 3 Flash9.8%56.52025-12-17
22o3high8.8%55.12025-04-16
23GPT-5high6.9%58.22025-08-07
24Claude Opus 46.9%51.92025-05-22
25Kimi K24.9%51.12025-07-12
26Claude Sonnet 44.9%50.02025-05-22
27Qwen3 Coder 480B4.9%48.92025-07-31
28Claude 3.5 Sonnet4.6%46.82024-10-22
29Gemini 2.5 Pro3.9%55.22025-06-17
30Claude 3.7 Sonnet3.8%49.22025-02-24
31o4-minihigh3.6%51.22025-04-16
32GLM-4.5-Air2.9%46.72025-07-20
33o3-minihigh1.3%47.92025-01-31
34o3-minilow1.3%40.22025-01-31
35GPT-4o0.0%42.82024-11-20

更多编程基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《GSO-Bench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/gso_bench。

GSO-Bench:常见问题

GSO-Bench 衡量的是什么?
GSO-Bench 要求模型让真实的软件跑得更快:给出一个仓库和性能目标,模型必须提交一项优化,并与专家实现的加速效果进行对比。分数以完成任务的百分比表示,越高越好。
GSO-Bench 的最高分是多少?
截至 2026年11月16日,GSO-Bench 的最高分为 88.2%,由 Claude Fable 5.1 取得(结果日期 2026年9月1日),领先于 GPT-6 Astra(79.4%)。分数来自 GSO-Bench,每天重新读取。
哪个 AI 模型在 GSO-Bench 上领先?
截至 2026年11月16日,GSO-Bench 排名第一的是 Claude Fable 5.1,分数为 88.2%(结果日期 2026年9月1日)。其后为 GPT-6 Astra(79.4%)。
有多少模型有 GSO-Bench 结果?
BenchLeader 上有 35 个模型配置有 GSO-Bench 结果,全部取自 GSO-Bench(经由 Epoch AI Benchmarking Hub)。
GSO-Bench 由谁运行,多久更新一次?
GSO-Bench 由 GSO-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。
GSO-Bench 是否计入 BenchLeader Index?
计入。GSO-Bench 计入 BenchLeader Index 的编程类别,并经过归一化,使参评模型的平均值为 50。