BenchLeader

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。

发布方
Kagi LLM Benchmark
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。

137 / 137
#
1Claude Fable 5thinking91.4%–$10.40
2Claude Fable 588.8%65.4$9.90
3GPT-5.588.8%61.0$2.20
4Claude Opus 4.8thinking88.8%–$8.80
5Claude Opus 4.6thinking83.6%–$4.80
6Grok 4.583.5%59.3$1.00
7Claude Opus 4.7thinking80.7%–$2.80
8Claude Opus 4.5thinking80.2%59.3$4.50
9Gemini 3 Pro80.1%60.0$0.400
10Kimi K2.5thinking78.5%59.4$0.500
11GPT-5 Pro76.8%59.6$31.80
12GLM-5thinking75.0%60.2$2.00
13Grok 4.20thinking75.0%58.3$1.30
14GPT-5.3 Chat75.0%58.3$0.800
15Claude Opus 4thinking74.3%55.7$22.40
16Qwen3.5 397B A17B73.7%51.3$1.80
17Grok 473.6%58.1$1.00
18Claude Opus 4.773.3%63.1$2.20
19GPT-5.273.3%56.7$1.40
20Claude Sonnet 4thinking73.0%53.8$5.40
21GPT-572.7%56.6$7.10
22Qwen3 Maxmax72.5%54.2$1.90
23Claude Opus 4.672.4%62.1$1.60
24o3-pro72.1%49.9$34.20
25Claude Opus 4.570.7%57.1$1.40
26GPT-5 mini70.3%56.6$4.90
27Gemini 2.5 Pro70.3%55.2$1.70
28GPT-5-Codex70.3%–$4.60
29DeepSeek R169.4%47.2$9.90
30Qwen3 235B A22Bthinking69.4%–$0.100
31Claude Haiku 4thinking69.0%–$0.800
32o367.6%60.4$4.80
33o4-mini67.6%55.2$3.10
34Gemini 3.1 Flash Lite67.2%52.6–
35GPT-5.6 Sol67.0%54.3$2.70
36Qwen3-Next 80B A3Bthinking66.7%52.2$1.00
37Ring 1t66.4%–$1.00
38Grok 4 Fastthinking66.1%51.6$0.300
39Kimi K2 Thinkingthinking64.4%52.3$0.800
40GPT-5.463.8%57.9$0.300
41Kimi K2.563.8%54.6$0.100
42Gemma 4 31B63.5%51.9$1.00
43Qwen-Plus63.3%48.3$1.10
44GLM 5.262.6%51.9$0.700
45Step 362.3%51.4$1.60
46GPT-5 nano62.2%56.2$0.400
47Grok 3 mini61.3%52.0$0.300
48Grok 361.3%50.9$2.60
49Cogito v2 Llama 405B61.1%–$2.10
50GLM 5.2thinking60.0%–$1.00
51GLM 4.5V59.8%50.8$0.700
52Claude Opus 459.6%51.9$8.40
53gpt-oss-120b58.6%46.1$0.400
54Cogito v2 Deepseek 671B58.4%–$0.700
55Claude Sonnet 4.557.9%53.8$1.00
56GLM-4.557.9%51.6$1.00
57MiniMax-M257.8%51.5$0.100
58Ling 1t57.8%–$0.200
59DeepSeek V3.1 Terminus57.4%53.0$0.200
60Gemini 2.5 Flashthinking56.8%49.0$0.500

更多推理基准测试 · 全部大模型基准测试

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。