Kagi LLM Benchmark 排行榜
截至 2026年11月16日,Kagi LLM Benchmark 的最高分为 91.4%,由 Claude Fable 5(Anthropic)取得,领先于 GPT-5.5(88.8%)。共有 137 个模型配置公布了结果(Kagi LLM Benchmark)。Kagi 的基准测试使用一套不公开且不断变化的推理、编程和指令题,题目刻意写得不同寻常,让背下来的答案派不上用场。Kagi LLM Benchmark 计入 BenchLeader Index 的推理得分。
要点(截至 2026年11月16日)
- Claude Fable 5 以 91.4% 保持 Kagi LLM Benchmark 最高分(Kagi LLM Benchmark,2026年11月16日)。
- GPT-5.5 以 88.8% 位列 Kagi LLM Benchmark 第二(Kagi LLM Benchmark,2026年11月16日)。
- Kagi LLM Benchmark:Kagi 未公开的推理、编程和指令题(Kagi LLM Benchmark)。
- BenchLeader 上有 137 个模型配置公布了 Kagi LLM Benchmark 结果(BenchLeader,2026年11月16日)。
- Kagi LLM Benchmark 计入 BenchLeader Index 的推理类别(BenchLeader 方法论)。
Kagi 未公开的推理、编程和指令题。
- 类别
- 推理
- Index 权重
- 0.5
- 模型
- 137
- 数据截至
- 2026年11月16日
Kagi (kagi.com).
测试内容
Kagi 的基准测试使用一套不公开且不断变化的推理、编程和指令题,题目刻意写得不同寻常,让背下来的答案派不上用场。
评分方式
正确率,由 Kagi 运行并自行评分。
注意事项
不公开的题目无法检查,题集很小,而且会随时间变化;应把它看作又一个独立的参考意见。
- 1Claude Fable 5 (thinking)91.4%
- 2Claude Fable 588.8%
- 3GPT-5.588.8%
- 4Claude Opus 4.8 (thinking)88.8%
- 5Claude Opus 4.6 (thinking)83.6%
- 6Grok 4.583.5%
- 7Claude Opus 4.7 (thinking)80.7%
- 8Claude Opus 4.5 (thinking)80.2%
- 9Gemini 3 Pro80.1%
- 10Kimi K2.5 (thinking)78.5%
- 11GPT-5 Pro76.8%
- 12GLM-5 (thinking)75.0%
- 13Grok 4.20 (thinking)75.0%
- 14GPT-5.3 Chat75.0%
- 15Claude Opus 4 (thinking)74.3%
137 / 137
| # | ||||
|---|---|---|---|---|
| 1 | 91.4% | – | $10.40 | |
| 2 | 88.8% | 65.4 | $9.90 | |
| 3 | 88.8% | 61.0 | $2.20 | |
| 4 | 88.8% | – | $8.80 | |
| 5 | 83.6% | – | $4.80 | |
| 6 | 83.5% | 59.3 | $1.00 | |
| 7 | 80.7% | – | $2.80 | |
| 8 | 80.2% | 59.3 | $4.50 | |
| 9 | 80.1% | 60.0 | $0.400 | |
| 10 | 78.5% | 59.4 | $0.500 | |
| 11 | 76.8% | 59.6 | $31.80 | |
| 12 | 75.0% | 60.2 | $2.00 | |
| 13 | 75.0% | 58.3 | $1.30 | |
| 14 | 75.0% | 58.3 | $0.800 | |
| 15 | 74.3% | 55.7 | $22.40 | |
| 16 | 73.7% | 51.3 | $1.80 | |
| 17 | 73.6% | 58.1 | $1.00 | |
| 18 | 73.3% | 63.1 | $2.20 | |
| 19 | 73.3% | 56.7 | $1.40 | |
| 20 | 73.0% | 53.8 | $5.40 | |
| 21 | 72.7% | 56.6 | $7.10 | |
| 22 | 72.5% | 54.2 | $1.90 | |
| 23 | 72.4% | 62.1 | $1.60 | |
| 24 | 72.1% | 49.9 | $34.20 | |
| 25 | 70.7% | 57.1 | $1.40 | |
| 26 | 70.3% | 56.6 | $4.90 | |
| 27 | 70.3% | 55.2 | $1.70 | |
| 28 | 70.3% | – | $4.60 | |
| 29 | 69.4% | 47.2 | $9.90 | |
| 30 | 69.4% | – | $0.100 | |
| 31 | 69.0% | – | $0.800 | |
| 32 | 67.6% | 60.4 | $4.80 | |
| 33 | 67.6% | 55.2 | $3.10 | |
| 34 | 67.2% | 52.6 | – | |
| 35 | 67.0% | 54.3 | $2.70 | |
| 36 | 66.7% | 52.2 | $1.00 | |
| 37 | 66.4% | – | $1.00 | |
| 38 | 66.1% | 51.6 | $0.300 | |
| 39 | 64.4% | 52.3 | $0.800 | |
| 40 | 63.8% | 57.9 | $0.300 | |
| 41 | 63.8% | 54.6 | $0.100 | |
| 42 | 63.5% | 51.9 | $1.00 | |
| 43 | 63.3% | 48.3 | $1.10 | |
| 44 | 62.6% | 51.9 | $0.700 | |
| 45 | 62.3% | 51.4 | $1.60 | |
| 46 | 62.2% | 56.2 | $0.400 | |
| 47 | 61.3% | 52.0 | $0.300 | |
| 48 | 61.3% | 50.9 | $2.60 | |
| 49 | 61.1% | – | $2.10 | |
| 50 | 60.0% | – | $1.00 | |
| 51 | 59.8% | 50.8 | $0.700 | |
| 52 | 59.6% | 51.9 | $8.40 | |
| 53 | 58.6% | 46.1 | $0.400 | |
| 54 | 58.4% | – | $0.700 | |
| 55 | 57.9% | 53.8 | $1.00 | |
| 56 | 57.9% | 51.6 | $1.00 | |
| 57 | 57.8% | 51.5 | $0.100 | |
| 58 | 57.8% | – | $0.200 | |
| 59 | 57.4% | 53.0 | $0.200 | |
| 60 | 56.8% | 49.0 | $0.500 |
相关基准测试
Kagi LLM Benchmark 上的热门模型对比
引用格式:BenchLeader,《Kagi LLM Benchmark 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/kagi_llm。
Kagi LLM Benchmark:常见问题
- Kagi LLM Benchmark 衡量的是什么?
- Kagi 的基准测试使用一套不公开且不断变化的推理、编程和指令题,题目刻意写得不同寻常,让背下来的答案派不上用场。分数以完成任务的百分比表示,越高越好。
- Kagi LLM Benchmark 的最高分是多少?
- 截至 2026年11月16日,Kagi LLM Benchmark 的最高分为 91.4%,由 Claude Fable 5 取得,领先于 GPT-5.5(88.8%)。分数来自 Kagi LLM Benchmark,每天重新读取。
- 哪个 AI 模型在 Kagi LLM Benchmark 上领先?
- 截至 2026年11月16日,Kagi LLM Benchmark 排名第一的是 Claude Fable 5,分数为 91.4%。其后为 GPT-5.5(88.8%)。
- 有多少模型有 Kagi LLM Benchmark 结果?
- BenchLeader 上有 137 个模型配置有 Kagi LLM Benchmark 结果,全部取自 Kagi LLM Benchmark。
- Kagi LLM Benchmark 由谁运行,多久更新一次?
- Kagi LLM Benchmark 由 Kagi LLM Benchmark 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。
- Kagi LLM Benchmark 是否计入 BenchLeader Index?
- 计入。Kagi LLM Benchmark 计入 BenchLeader Index 的推理类别,并经过归一化,使参评模型的平均值为 50。