BenchLeader

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。

34 / 34
#
1新Claude Fable 5.2xhigh84.9%69.7$3896.10$8.3678k2026-11-06
2GPT-6 Astramax84.5%67.3$2092.68$4.4921k2026-11-06
3Claude Fable 5.1max84.0%66.7$3272.31$7.0236k2026-11-06
4Gemini 4 Carbonhigh83.5%68.9$787.65$1.6956k2026-11-06
5Claude Opus 5.5max83.4%68.4$2614.21$5.6182k2026-11-06
6GPT-6.1 Solmax81.4%66.6$311.94$0.66921k2026-11-06
7GPT-6.1 Terramax78.8%64.1$247.01$0.53025k2026-11-06
8Gemini 4 Argonhigh77.7%65.3$659.45$1.4241k2026-11-06
9新Gemini 4 Hydrogenxhigh77.0%61.8$690.23$1.4863k2026-11-06
10Claude Sonnet 5.5max77.0%64.2$2081.90$4.47164k2026-11-06
11Muse Wondermax70.7%60.8$809.52$1.7424k2026-11-06
12DeepSeek V4.1 Flash 1017max70.3%57.7$63.79$0.13751k2026-11-06
13Claude Haiku 5.5max68.9%55.3$406.14$0.872196k2026-11-06
14Kimi K3.1 Promax68.7%59.9$343.45$0.73725k2026-11-06
15Muse Spark 1.3max68.6%60.6$452.51$0.97145k2026-11-06
16Grok 4.7xhigh67.9%57.4$1321.10$2.8380k2026-11-06
17GPT-5.6 Terramax67.2%59.5$653.39$1.4026k2026-11-06
18MiMo-V2.6-Prohigh66.1%–$54.04$0.11651k2026-11-06
19Kimi K3max65.0%60.2$656.99$1.4127k2026-11-06
20MiniMax M3.1 Flashmax63.7%–$51.26$0.11047k2026-11-06
21Grok 4.6xhigh63.5%56.1$568.95$1.2225k2026-11-06
22Qwen3.8 Maxmax60.9%58.7$572.06$1.2360k2026-11-06
23GLM 5.3 Flashmax60.7%52.4$49.37$0.10644k2026-11-06
24GPT-6 Lunamax60.4%55.1$37.04$0.08058k2026-11-06
25Mistral Large 4high60.3%48.3$169.50$0.36439k2026-11-06
26Gemini 3.8 Flashhigh57.3%59.4$427.09$0.91665k2026-11-06
27Step 5 Previewmax54.9%–$347.75$0.74650k2026-11-06
28Qwen3.8 27Bmax54.0%–$266.15$0.57147k2026-11-06
29Muse Spark Openmax48.5%–$257.46$0.55219k2026-11-06
30Smaug Nemotron 3.5 NVFP4max47.0%–$39.47$0.08539k2026-11-06
31Nemotron Super VL 3.5max47.0%–$67.48$0.14544k2026-11-06
32Inklingmax44.3%–$401.76$0.86235k2026-11-06
33Nemotron Super VL 3.5 NVFP4max42.3%–$34.50$0.07437k2026-11-06
34Gemma 4 31Bmax32.4%–$32.89$0.07115k2026-11-06

更多综合基准测试 · 全部大模型基准测试

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。