BenchLeader

HELM Capabilities mean 排行榜

截至 2026年11月16日,HELM Capabilities mean 的最高分为 81.9%,由 GPT-5 mini(OpenAI)取得,领先于 o4-mini(81.2%)。共有 68 个模型配置公布了结果(HELM Capabilities,结果日期 2025年11月24日)。HELM 五个能力场景的平均值:MMLU-Pro、GPQA、IFEval、WildBench 和 Omni-MATH。HELM Capabilities mean 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • GPT-5 mini 以 81.9% 保持 HELM Capabilities mean 最高分(HELM Capabilities,2025年11月24日)。
  • o4-mini 以 81.2% 位列 HELM Capabilities mean 第二(HELM Capabilities,2025年11月24日)。
  • HELM Capabilities mean:HELM 五个能力场景的平均值。仅作参考(HELM Capabilities)。
  • BenchLeader 上有 68 个模型配置公布了 HELM Capabilities mean 结果(BenchLeader,2026年11月16日)。
  • HELM Capabilities mean 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

HELM 五个能力场景的平均值。仅作参考。

发布方
HELM Capabilities
类别
综合
Index 权重
仅作参考
模型
68
数据截至
2026年11月16日

Stanford Center for Research on Foundation Models (crfm.stanford.edu), Apache-2.0 results.

测试内容

HELM 五个能力场景的平均值:MMLU-Pro、GPQA、IFEval、WildBench 和 Omni-MATH。

评分方式

五项分数的不加权平均,采用 0 到 100 尺度。仅供参考。

注意事项

五个场景作为综合指标的基础太窄,而且 HELM 大约每月更新一次,新模型出现会有滞后。

68 / 68
#
1GPT-5 mini81.9%56.62025-11-24
2o4-mini81.2%55.22025-11-24
3o381.1%60.42025-11-24
4GPT-580.7%56.62025-11-24
5Gemini 3 Pro79.9%60.02025-11-24
6Qwen3 235B A22B 250779.8%50.72025-11-24
7Grok 478.5%58.12025-11-24
8Claude Opus 4thinking78.0%55.72025-11-24
9gpt-oss-120b77.0%46.12025-11-24
10Kimi K276.8%51.12025-11-24
11Claude Sonnet 4thinking76.6%53.82025-11-24
12Claude Sonnet 4.576.2%53.82025-11-24
13Claude Opus 475.7%51.92025-11-24
14GPT-5 nano74.8%56.22025-11-24
15Gemini 2.5 Pro74.5%55.22025-11-24
16Claude Sonnet 473.3%50.02025-11-24
17Grok 372.7%50.92025-11-24
18GPT-4.172.7%48.72025-11-24
19Qwen3 235B A22B72.6%50.12025-11-24
20GPT-4.1 mini72.6%44.72025-11-24
21Llama 4 Maverick71.8%41.82025-11-24
22Claude Haiku 4.571.7%47.72025-11-24
23Qwen3-Next 80B A3Bthinking70.0%52.22025-11-24
24DeepSeek R1 052869.9%49.12025-11-24
25Palmyra X569.6%–2025-11-24
26Grok 3 mini67.9%52.02025-11-24
27Gemini 2.0 Flash67.9%43.52025-11-24
28Claude 3.7 Sonnet67.4%49.22025-11-24
29gpt-oss-20b67.4%44.52025-11-24
30GLM-4.5-Air67.0%46.72025-11-24
31DeepSeek V366.5%44.32025-11-24
32Gemini 1.5 Pro 00265.7%41.42025-11-24
33GPT-5.165.6%56.12025-11-24
34Claude 3.5 Sonnet65.3%46.82025-11-24
35Llama 4 Scout64.4%38.22025-11-24
36Gemini 2.0 Flash-Lite64.2%48.02025-11-24
37Nova Premier63.7%45.12025-11-24
38GPT-4o63.4%42.82025-11-24
39Gemini 2.5 Flash62.6%52.42025-11-24
40Llama 3.1 405B61.8%41.82025-11-24
41GPT-4.1 nano61.6%36.92025-11-24
42Gemini 1.5 Flash 00260.9%38.22025-11-24
43Palmyra X 00460.9%–2025-11-24
44Qwen2.5 72B59.9%43.12025-11-24
45Mistral Large 2.159.8%42.52025-11-24
46Gemini 2.5 Flash-Lite59.1%48.32025-11-24
47Nova Pro59.1%40.52025-11-24
48Palmyra Fin57.7%–2025-11-24
49Granite 4.0 Small57.5%–2025-11-24
50Llama 3.1 70B57.4%40.72025-11-24
51GPT-4o mini56.5%35.22025-11-24
52Mistral Small 3.155.8%38.42025-11-24
53Nova Lite55.1%38.22025-11-24
54Claude 3.5 Haiku54.9%38.72025-11-24
55Qwen2.5 7B Instruct52.9%39.82025-11-24
56Nova Micro52.2%39.22025-11-24
57granite-4.0-micro48.6%36.22025-11-24
58Mixtral 8x22B Instruct47.8%37.42025-11-24
59Palmyra Med47.6%–2025-11-24
60Olmo 2 32B March 202547.5%–2025-11-24

更多综合基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《HELM Capabilities mean 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/helm_mean。

HELM Capabilities mean:常见问题

HELM Capabilities mean 衡量的是什么?
HELM 五个能力场景的平均值:MMLU-Pro、GPQA、IFEval、WildBench 和 Omni-MATH。分数以完成任务的百分比表示,越高越好。
HELM Capabilities mean 的最高分是多少?
截至 2026年11月16日,HELM Capabilities mean 的最高分为 81.9%,由 GPT-5 mini 取得(结果日期 2025年11月24日),领先于 o4-mini(81.2%)。分数来自 HELM Capabilities,每天重新读取。
哪个 AI 模型在 HELM Capabilities mean 上领先?
截至 2026年11月16日,HELM Capabilities mean 排名第一的是 GPT-5 mini,分数为 81.9%(结果日期 2025年11月24日)。其后为 o4-mini(81.2%)。
有多少模型有 HELM Capabilities mean 结果?
BenchLeader 上有 68 个模型配置有 HELM Capabilities mean 结果,全部取自 HELM Capabilities。
HELM Capabilities mean 由谁运行,多久更新一次?
HELM Capabilities mean 由 HELM Capabilities 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。
HELM Capabilities mean 是否计入 BenchLeader Index?
不计入。HELM Capabilities mean 仅作参考展示,不计入综合分数。