LiveBench 排行榜
截至 2026年11月16日,LiveBench 的最高分为 84.9%,由 Claude Fable 5.2(Anthropic)取得,领先于 GPT-6 Astra(84.5%)。共有 34 个模型配置公布了结果(LiveBench,结果日期 2026年11月6日)。LiveBench 是一项着眼于防止数据污染、按版本更新的基准测试。2026 年 10 月 14 日发布的 LiveBench 2.0 有七个测试套件:五个智能体套件(长周期智能体工作、编程、浏览器操作、研究、设计),模型需要借助工具完成真实任务;另有两个简答题集(推理、数据分析)。LiveBench 计入 BenchLeader Index 的综合得分。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 84.9% 保持 LiveBench 2.0 最高分(LiveBench,2026年11月6日)。
- GPT-6 Astra 以 84.5% 位列 LiveBench 2.0 第二(LiveBench,2026年11月6日)。
- LiveBench 2.0:LiveBench 2.0 当前版本七个测试套件分数的加权平均,采用 LiveBench 自己的权重(Long Agentic 2 倍,Coding 和 Design 1.5 倍,其余 1 倍)(LiveBench)。
- BenchLeader 上有 34 个模型配置公布了 LiveBench 2.0 结果(BenchLeader,2026年11月16日)。
- LiveBench 2.0 计入 BenchLeader Index 的综合类别(BenchLeader 方法论)。
LiveBench 2.0 当前版本七个测试套件分数的加权平均,采用 LiveBench 自己的权重(Long Agentic 2 倍,Coding 和 Design 1.5 倍,其余 1 倍)。
- 发布方
- LiveBench
- 类别
- 综合
- Index 权重
- 1.0
- 模型
- 34
- 数据截至
- 2026年11月16日
LiveBench (livebench.ai), White et al. 2024.
与此前同名的测试不可比较,旧测试的最终分数保留在 LiveBench 1.0。
测试内容
LiveBench 是一项着眼于防止数据污染、按版本更新的基准测试。2026 年 10 月 14 日发布的 LiveBench 2.0 有七个测试套件:五个智能体套件(长周期智能体工作、编程、浏览器操作、研究、设计),模型需要借助工具完成真实任务;另有两个简答题集(推理、数据分析)。
评分方式
当前版本七个套件分数的加权平均,采用 LiveBench 自己的总分权重:Long Agentic 计 2 倍,Coding 和 Design 各计 1.5 倍,Reasoning、Browser、Data Analysis 和 Research 各计 1 倍。每个套件的分数本身是单次运行中 0 到 100 的任务平均分,自动评分。这与 LiveBench 在 livebench.ai 上显示的总分相同。
注意事项
这是与 LiveBench 1.0 不同的测试,所以 2.0 的分数从 2026 年 10 月 19 日开始记录,不能与 1.0 的分数比较(见 LiveBench 1.0)。在 2.0 内部,题目集和公布的权重仍可能随版本变化;BenchLeader 从每个版本读取两者,并记录每个结果的日期。
- 1Claude Fable 5.2 (xhigh)84.9%
- 2GPT-6 Astra (max)84.5%
- 3Claude Fable 5.1 (max)84.0%
- 4Gemini 4 Carbon (high)83.5%
- 5Claude Opus 5.5 (max)83.4%
- 6GPT-6.1 Sol (max)81.4%
- 7GPT-6.1 Terra (max)78.8%
- 8Gemini 4 Argon (high)77.7%
- 9Gemini 4 Hydrogen (xhigh)77.0%
- 10Claude Sonnet 5.5 (max)77.0%
- 11Muse Wonder (max)70.7%
- 12DeepSeek V4.1 Flash 1017 (max)70.3%
- 13Claude Haiku 5.5 (max)68.9%
- 14Kimi K3.1 Pro (max)68.7%
- 15Muse Spark 1.3 (max)68.6%
| # | |||||||
|---|---|---|---|---|---|---|---|
| 1 | 新 | 84.9% | 69.7 | $3896.10 | $8.36 | 78k | 2026-11-06 |
| 2 | 84.5% | 67.3 | $2092.68 | $4.49 | 21k | 2026-11-06 | |
| 3 | 84.0% | 66.7 | $3272.31 | $7.02 | 36k | 2026-11-06 | |
| 4 | 83.5% | 68.9 | $787.65 | $1.69 | 56k | 2026-11-06 | |
| 5 | 83.4% | 68.4 | $2614.21 | $5.61 | 82k | 2026-11-06 | |
| 6 | 81.4% | 66.6 | $311.94 | $0.669 | 21k | 2026-11-06 | |
| 7 | 78.8% | 64.1 | $247.01 | $0.530 | 25k | 2026-11-06 | |
| 8 | 77.7% | 65.3 | $659.45 | $1.42 | 41k | 2026-11-06 | |
| 9 | 新 | 77.0% | 61.8 | $690.23 | $1.48 | 63k | 2026-11-06 |
| 10 | 77.0% | 64.2 | $2081.90 | $4.47 | 164k | 2026-11-06 | |
| 11 | 70.7% | 60.8 | $809.52 | $1.74 | 24k | 2026-11-06 | |
| 12 | 70.3% | 57.7 | $63.79 | $0.137 | 51k | 2026-11-06 | |
| 13 | 68.9% | 55.3 | $406.14 | $0.872 | 196k | 2026-11-06 | |
| 14 | 68.7% | 59.9 | $343.45 | $0.737 | 25k | 2026-11-06 | |
| 15 | 68.6% | 60.6 | $452.51 | $0.971 | 45k | 2026-11-06 | |
| 16 | 67.9% | 57.4 | $1321.10 | $2.83 | 80k | 2026-11-06 | |
| 17 | 67.2% | 59.5 | $653.39 | $1.40 | 26k | 2026-11-06 | |
| 18 | 66.1% | – | $54.04 | $0.116 | 51k | 2026-11-06 | |
| 19 | 65.0% | 60.2 | $656.99 | $1.41 | 27k | 2026-11-06 | |
| 20 | 63.7% | – | $51.26 | $0.110 | 47k | 2026-11-06 | |
| 21 | 63.5% | 56.1 | $568.95 | $1.22 | 25k | 2026-11-06 | |
| 22 | 60.9% | 58.7 | $572.06 | $1.23 | 60k | 2026-11-06 | |
| 23 | 60.7% | 52.4 | $49.37 | $0.106 | 44k | 2026-11-06 | |
| 24 | 60.4% | 55.1 | $37.04 | $0.080 | 58k | 2026-11-06 | |
| 25 | 60.3% | 48.3 | $169.50 | $0.364 | 39k | 2026-11-06 | |
| 26 | 57.3% | 59.4 | $427.09 | $0.916 | 65k | 2026-11-06 | |
| 27 | 54.9% | – | $347.75 | $0.746 | 50k | 2026-11-06 | |
| 28 | 54.0% | – | $266.15 | $0.571 | 47k | 2026-11-06 | |
| 29 | 48.5% | – | $257.46 | $0.552 | 19k | 2026-11-06 | |
| 30 | 47.0% | – | $39.47 | $0.085 | 39k | 2026-11-06 | |
| 31 | 47.0% | – | $67.48 | $0.145 | 44k | 2026-11-06 | |
| 32 | 44.3% | – | $401.76 | $0.862 | 35k | 2026-11-06 | |
| 33 | 42.3% | – | $34.50 | $0.074 | 37k | 2026-11-06 | |
| 34 | 32.4% | – | $32.89 | $0.071 | 15k | 2026-11-06 |
相关基准测试
LiveBench 2.0 上的热门模型对比
引用格式:BenchLeader,《LiveBench 2.0 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/livebench2_global。
LiveBench 2.0:常见问题
- LiveBench 2.0 衡量的是什么?
- LiveBench 是一项着眼于防止数据污染、按版本更新的基准测试。2026 年 10 月 14 日发布的 LiveBench 2.0 有七个测试套件:五个智能体套件(长周期智能体工作、编程、浏览器操作、研究、设计),模型需要借助工具完成真实任务;另有两个简答题集(推理、数据分析)。分数以完成任务的百分比表示,越高越好。
- LiveBench 2.0 的最高分是多少?
- 截至 2026年11月16日,LiveBench 2.0 的最高分为 84.9%,由 Claude Fable 5.2 取得(结果日期 2026年11月6日),领先于 GPT-6 Astra(84.5%)。分数来自 LiveBench,每天重新读取。
- LiveBench 2.0 的总分是如何加权的?
- LiveBench 每次发布都会公布自己的类别权重。当前版本中,Long Agentic 计 2 倍,Coding 和 Design 各计 1.5 倍,Reasoning、Browser、Data Analysis 和 Research 各计 1 倍。BenchLeader 采用这些权重,因此总分与 livebench.ai 一致;LiveBench 调整权重后,下一次每日更新就会同步。
- 哪个 AI 模型在 LiveBench 2.0 上领先?
- 截至 2026年11月16日,LiveBench 2.0 排名第一的是 Claude Fable 5.2,分数为 84.9%(结果日期 2026年11月6日)。其后为 GPT-6 Astra(84.5%)。
- 有多少模型有 LiveBench 2.0 结果?
- BenchLeader 上有 34 个模型配置有 LiveBench 2.0 结果,全部取自 LiveBench。
- LiveBench 2.0 由谁运行,多久更新一次?
- LiveBench 2.0 由 LiveBench 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。
- LiveBench 2.0 是否计入 BenchLeader Index?
- 计入。LiveBench 2.0 计入 BenchLeader Index 的综合类别,并经过归一化,使参评模型的平均值为 50。