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。
- 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。
- 1GPT-5 mini81.9%
- 2o4-mini81.2%
- 3o381.1%
- 4GPT-580.7%
- 5Gemini 3 Pro79.9%
- 6Qwen3 235B A22B 250779.8%
- 7Grok 478.5%
- 8Claude Opus 4 (thinking)78.0%
- 9gpt-oss-120b77.0%
- 10Kimi K276.8%
- 11Claude Sonnet 4 (thinking)76.6%
- 12Claude Sonnet 4.576.2%
- 13Claude Opus 475.7%
- 14GPT-5 nano74.8%
- 15Gemini 2.5 Pro74.5%
68 / 68
| # | ||||
|---|---|---|---|---|
| 1 | 81.9% | 56.6 | 2025-11-24 | |
| 2 | 81.2% | 55.2 | 2025-11-24 | |
| 3 | 81.1% | 60.4 | 2025-11-24 | |
| 4 | 80.7% | 56.6 | 2025-11-24 | |
| 5 | 79.9% | 60.0 | 2025-11-24 | |
| 6 | 79.8% | 50.7 | 2025-11-24 | |
| 7 | 78.5% | 58.1 | 2025-11-24 | |
| 8 | 78.0% | 55.7 | 2025-11-24 | |
| 9 | 77.0% | 46.1 | 2025-11-24 | |
| 10 | 76.8% | 51.1 | 2025-11-24 | |
| 11 | 76.6% | 53.8 | 2025-11-24 | |
| 12 | 76.2% | 53.8 | 2025-11-24 | |
| 13 | 75.7% | 51.9 | 2025-11-24 | |
| 14 | 74.8% | 56.2 | 2025-11-24 | |
| 15 | 74.5% | 55.2 | 2025-11-24 | |
| 16 | 73.3% | 50.0 | 2025-11-24 | |
| 17 | 72.7% | 50.9 | 2025-11-24 | |
| 18 | 72.7% | 48.7 | 2025-11-24 | |
| 19 | 72.6% | 50.1 | 2025-11-24 | |
| 20 | 72.6% | 44.7 | 2025-11-24 | |
| 21 | 71.8% | 41.8 | 2025-11-24 | |
| 22 | 71.7% | 47.7 | 2025-11-24 | |
| 23 | 70.0% | 52.2 | 2025-11-24 | |
| 24 | 69.9% | 49.1 | 2025-11-24 | |
| 25 | 69.6% | – | 2025-11-24 | |
| 26 | 67.9% | 52.0 | 2025-11-24 | |
| 27 | 67.9% | 43.5 | 2025-11-24 | |
| 28 | 67.4% | 49.2 | 2025-11-24 | |
| 29 | 67.4% | 44.5 | 2025-11-24 | |
| 30 | 67.0% | 46.7 | 2025-11-24 | |
| 31 | 66.5% | 44.3 | 2025-11-24 | |
| 32 | 65.7% | 41.4 | 2025-11-24 | |
| 33 | 65.6% | 56.1 | 2025-11-24 | |
| 34 | 65.3% | 46.8 | 2025-11-24 | |
| 35 | 64.4% | 38.2 | 2025-11-24 | |
| 36 | 64.2% | 48.0 | 2025-11-24 | |
| 37 | 63.7% | 45.1 | 2025-11-24 | |
| 38 | 63.4% | 42.8 | 2025-11-24 | |
| 39 | 62.6% | 52.4 | 2025-11-24 | |
| 40 | 61.8% | 41.8 | 2025-11-24 | |
| 41 | 61.6% | 36.9 | 2025-11-24 | |
| 42 | 60.9% | 38.2 | 2025-11-24 | |
| 43 | 60.9% | – | 2025-11-24 | |
| 44 | 59.9% | 43.1 | 2025-11-24 | |
| 45 | 59.8% | 42.5 | 2025-11-24 | |
| 46 | 59.1% | 48.3 | 2025-11-24 | |
| 47 | 59.1% | 40.5 | 2025-11-24 | |
| 48 | 57.7% | – | 2025-11-24 | |
| 49 | 57.5% | – | 2025-11-24 | |
| 50 | 57.4% | 40.7 | 2025-11-24 | |
| 51 | 56.5% | 35.2 | 2025-11-24 | |
| 52 | 55.8% | 38.4 | 2025-11-24 | |
| 53 | 55.1% | 38.2 | 2025-11-24 | |
| 54 | 54.9% | 38.7 | 2025-11-24 | |
| 55 | 52.9% | 39.8 | 2025-11-24 | |
| 56 | 52.2% | 39.2 | 2025-11-24 | |
| 57 | 48.6% | 36.2 | 2025-11-24 | |
| 58 | 47.8% | 37.4 | 2025-11-24 | |
| 59 | 47.6% | – | 2025-11-24 | |
| 60 | 47.5% | – | 2025-11-24 |
相关基准测试
HELM Capabilities mean 上的热门模型对比
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。