BenchLeader

LiveBench 2.0 Reasoning 排行榜

截至 2026年11月16日,LiveBench 2.0 Reasoning 的最高分为 95.1%,由 Gemini 4 Argon(Google)取得,领先于 GPT-6 Astra(92.7%)。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 2.0 的推理套件:简短的逻辑、空间和心智理论问题,每题只有一个正确答案。LiveBench 2.0 Reasoning 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Gemini 4 Argon 以 95.1% 保持 LiveBench 2.0 Reasoning 最高分(LiveBench,2026年11月6日)。
  • GPT-6 Astra 以 92.7% 位列 LiveBench 2.0 Reasoning 第二(LiveBench,2026年11月6日)。
  • LiveBench 2.0 Reasoning:LiveBench 2.0 推理套件:答案唯一的逻辑、空间和心智理论短题(LiveBench)。
  • BenchLeader 上有 34 个模型配置公布了 LiveBench 2.0 Reasoning 结果(BenchLeader,2026年11月16日)。
  • LiveBench 2.0 Reasoning 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

LiveBench 2.0 推理套件:答案唯一的逻辑、空间和心智理论短题。

发布方
LiveBench
类别
推理
Index 权重
仅作参考
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 Reasoning。

测试内容

LiveBench 2.0 的推理套件:简短的逻辑、空间和心智理论问题,每题只有一个正确答案。

评分方式

当前版本的正确率,即各子类别的等权平均,自动评分。

注意事项

它与 LiveBench 1.0 的 Reasoning 类别同名,但题目集不同,所以两者分开记录;2.0 的分数从 2026 年 10 月 19 日开始。

34 / 34
#
1Gemini 4 Argonhigh95.1%65.3$15.77$0.0788k2026-11-06
2GPT-6 Astramax92.7%67.3$78.75$0.3908k2026-11-06
3GPT-6.1 Solmax92.6%66.6$16.22$0.0808k2026-11-06
4Claude Opus 5.5max92.2%68.4$50.95$0.25212k2026-11-06
5Claude Fable 5.1max91.7%66.7$92.95$0.4609k2026-11-06
6Claude Sonnet 5.5max91.6%64.2$42.23$0.20921k2026-11-06
7Grok 4.6xhigh91.2%56.1$17.63$0.08714k2026-11-06
8Kimi K3.1 Promax91.1%59.9$31.53$0.15615k2026-11-06
9Kimi K3max90.7%60.2$39.41$0.19513k2026-11-06
10Gemini 4 Carbonhigh90.6%68.9$47.12$0.23322k2026-11-06
11Muse Wondermax90.6%60.8$60.27$0.29815k2026-11-06
12GPT-5.6 Terramax90.6%59.5$37.80$0.18715k2026-11-06
13Muse Spark 1.3max89.7%60.6$27.42$0.13632k2026-11-06
14Gemini 3.8 Flashhigh89.3%59.4$29.81$0.14839k2026-11-06
15DeepSeek V4.1 Flash 1017max89.1%57.7$4.89$0.02420k2026-11-06
16新Claude Fable 5.2xhigh88.8%69.7$33.14$0.1644k2026-11-06
17GPT-6.1 Terramax88.7%64.1$8.14$0.0408k2026-11-06
18新Gemini 4 Hydrogenxhigh88.6%61.8$39.96$0.19825k2026-11-06
19Qwen3.8 Maxmax88.2%58.7$26.56$0.13222k2026-11-06
20Mistral Large 4high85.2%48.3$10.95$0.05425k2026-11-06
21Step 5 Previewmax83.8%–$9.74$0.04817k2026-11-06
22MiniMax M3.1 Flashmax82.9%–$2.24$0.01118k2026-11-06
23Grok 4.7xhigh82.7%57.4$77.78$0.38564k2026-11-06
24Claude Haiku 5.5max82.4%55.3$4.16$0.02141k2026-11-06
25GPT-6 Lunamax81.8%55.1$4.32$0.02143k2026-11-06
26Qwen3.8 27Bmax80.0%–$15.13$0.07525k2026-11-06
27MiMo-V2.6-Prohigh79.6%–$4.79$0.02427k2026-11-06
28Inklingmax78.3%–$21.01$0.10425k2026-11-06
29GLM 5.3 Flashmax77.6%52.4$2.78$0.01427k2026-11-06
30Smaug Nemotron 3.5 NVFP4max75.1%–$2.54$0.01325k2026-11-06
31Nemotron Super VL 3.5max74.6%–$4.22$0.02136k2026-11-06
32Muse Spark Openmax73.7%–$8.62$0.04310k2026-11-06
33Nemotron Super VL 3.5 NVFP4max71.7%–$2.43$0.01224k2026-11-06
34Gemma 4 31Bmax68.3%–$0.760$0.00389k2026-11-06

更多推理基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《LiveBench 2.0 Reasoning 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/livebench2_reasoning。

LiveBench 2.0 Reasoning:常见问题

LiveBench 2.0 Reasoning 衡量的是什么?
LiveBench 2.0 的推理套件:简短的逻辑、空间和心智理论问题,每题只有一个正确答案。分数以完成任务的百分比表示,越高越好。
LiveBench 2.0 Reasoning 的最高分是多少?
截至 2026年11月16日,LiveBench 2.0 Reasoning 的最高分为 95.1%,由 Gemini 4 Argon 取得(结果日期 2026年11月6日),领先于 GPT-6 Astra(92.7%)。分数来自 LiveBench,每天重新读取。
哪个 AI 模型在 LiveBench 2.0 Reasoning 上领先?
截至 2026年11月16日,LiveBench 2.0 Reasoning 排名第一的是 Gemini 4 Argon,分数为 95.1%(结果日期 2026年11月6日)。其后为 GPT-6 Astra(92.7%)。
有多少模型有 LiveBench 2.0 Reasoning 结果?
BenchLeader 上有 34 个模型配置有 LiveBench 2.0 Reasoning 结果,全部取自 LiveBench。
LiveBench 2.0 Reasoning 由谁运行,多久更新一次?
LiveBench 2.0 Reasoning 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 Reasoning 是否计入 BenchLeader Index?
不计入。LiveBench 2.0 Reasoning 仅作参考展示,不计入综合分数。