BenchLeader

LiveBench 1.0 排行榜

截至 2026年11月16日,LiveBench 1.0 的最高分为 83.4%,由 Claude Fable 5.1(Anthropic)取得,领先于 Claude Opus 5.5(83.2%)。共有 68 个模型配置公布了结果(LiveBench,结果日期 2026年6月25日)。LiveBench 1.0 是一项着眼于防止数据污染、按版本更新的基准测试:题目全部新写,涵盖推理、编程、智能体编程、数学、数据分析、语言和指令遵循。LiveBench 1.0 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Claude Fable 5.1 以 83.4% 保持 LiveBench 1.0 最高分(LiveBench,2026年6月25日)。
  • Claude Opus 5.5 以 83.2% 位列 LiveBench 1.0 第二(LiveBench,2026年6月25日)。
  • LiveBench 1.0:LiveBench 1.0 七个类别分数的平均值,冻结在最终版本(2026年6月25日)。已被 LiveBench 2.0 取代(LiveBench)。
  • BenchLeader 上有 68 个模型配置公布了 LiveBench 1.0 结果(BenchLeader,2026年11月16日)。
  • LiveBench 1.0 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

LiveBench 1.0 七个类别分数的平均值,冻结在最终版本(2026年6月25日)。已被 LiveBench 2.0 取代。

发布方
LiveBench
类别
综合
Index 权重
仅作参考
模型
68
数据截至
2026年11月16日

LiveBench (livebench.ai), White et al. 2024.

该排行榜已冻结。如今沿用这个名称的是另一项较新的测试,其分数见 LiveBench 2.0。

测试内容

LiveBench 1.0 是一项着眼于防止数据污染、按版本更新的基准测试:题目全部新写,涵盖推理、编程、智能体编程、数学、数据分析、语言和指令遵循。

评分方式

LiveBench 1.0 七个类别分数的平均值,取自其最后一个版本(2026 年 6 月 25 日)。LiveBench 2.0 已用另一组套件取而代之,这些分数不再更新。

注意事项

不能与 LiveBench 2.0 的总分比较,后者平均的是不同的套件。2026 年 6 月之后发布的模型不在其中。

68 / 68
#
1Claude Fable 5.1max83.4%66.72026-06-25
2Claude Opus 5.5max83.2%68.42026-06-25
3Claude Fable 5max83.0%65.12026-06-25
4GPT-6 Astramax82.2%67.32026-06-25
5Claude Opus 5.5xhigh82.1%65.42026-06-25
6GPT-6.1 Solmax81.6%66.62026-06-25
7Muse Spark 1.3xhigh81.6%58.12026-06-25
8Muse Wondermax81.2%60.82026-06-25
9GPT-6.1 Solxhigh81.1%63.62026-06-25
10DeepSeek V4.1 Flashmax81.1%58.52026-06-25
11GPT-5.6 Solmax81.0%65.32026-06-25
12GPT-5.5xhigh80.2%64.12026-06-25
13Claude Opus 5max80.1%65.02026-06-25
14GPT-6 Solmax79.3%62.62026-06-25
15Kimi K379.2%60.72026-06-25
16Gemini 3.7 Flashhigh78.8%62.12026-06-25
17Qwen3.8 Maxmax78.5%58.72026-06-25
18Grok 4.678.0%–2026-06-25
19GPT-5.4xhigh78.0%63.12026-06-25
20Muse Spark 1.2xhigh78.0%61.52026-06-25
21GPT-5.6 Terramax77.9%59.52026-06-25
22Claude Sonnet 5.5xhigh77.8%62.52026-06-25
23DeepSeek V4 Pro77.4%53.02026-06-25
24Smaug Flash77.4%–2026-06-25
25Grok 4.7xhigh77.4%57.42026-06-25
26Gemini 3.1 Prohigh77.0%60.42026-06-25
27Smaug Mini76.9%–2026-06-25
28Deepseek v4 Flash Vision76.8%–2026-06-25
29Claude Opus 4.7xhigh76.5%57.02026-06-25
30Claude Opus 4.8max76.2%61.12026-06-25
31Qwen3.8-Flash-Next76.2%53.92026-06-25
32GLM 5.376.1%–2026-06-25
33Claude Sonnet 5xhigh76.0%55.42026-06-25
34Gemini 3.8 Flashhigh75.8%59.42026-06-25
35Grok 4.575.8%59.32026-06-25
36Claude Sonnet 5.5max75.7%64.22026-06-25
37Muse Spark 1.1xhigh75.3%59.52026-06-25
38Qwen3.8 27B75.3%55.12026-06-25
39Gemini 3.5 Flashhigh74.6%62.52026-06-25
40GPT-5.2high74.6%55.82026-06-25
41Claude Opus 4.6high74.5%62.52026-06-25
42DeepSeek V4 Flash74.2%53.82026-06-25
43GPT-5.2-Codex74.0%57.62026-06-25
44Gemini 3.6 Flashhigh73.6%61.02026-06-25
45GPT-5.6 Lunamax73.6%56.22026-06-25
46GLM 5.273.2%51.92026-06-25
47Qwen3.7max73.1%60.02026-06-25
48Claude Sonnet 4.6medium73.0%–2026-06-25
49Claude Opus 4.5high72.6%59.72026-06-25
50Claude Haiku 5.5xhigh72.1%56.72026-06-25
51GPT-6 Lunamax72.0%55.12026-06-25
52Inklingxhigh71.9%50.02026-06-25
53Mistral Large 4high71.8%48.32026-06-25
54GLM 5.3 Flash71.6%57.82026-06-25
55Kimi K2.6thinking70.5%59.32026-06-25
56GPT-5.4 Nanoxhigh69.6%53.92026-06-25
57Ox Alphamax69.2%–2026-06-25
58Qwen3.6 Plus68.9%59.02026-06-25
59Kimi K2.7 Code68.4%53.92026-06-25
60Claude Haiku 5.5max67.9%55.32026-06-25

更多综合基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《LiveBench 1.0 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/livebench_global。

LiveBench 1.0:常见问题

LiveBench 1.0 衡量的是什么?
LiveBench 1.0 是一项着眼于防止数据污染、按版本更新的基准测试:题目全部新写,涵盖推理、编程、智能体编程、数学、数据分析、语言和指令遵循。分数以完成任务的百分比表示,越高越好。
LiveBench 1.0 的最高分是多少?
截至 2026年11月16日,LiveBench 1.0 的最高分为 83.4%,由 Claude Fable 5.1 取得(结果日期 2026年6月25日),领先于 Claude Opus 5.5(83.2%)。分数来自 LiveBench,每天重新读取。
哪个 AI 模型在 LiveBench 1.0 上领先?
截至 2026年11月16日,LiveBench 1.0 排名第一的是 Claude Fable 5.1,分数为 83.4%(结果日期 2026年6月25日)。其后为 Claude Opus 5.5(83.2%)。
有多少模型有 LiveBench 1.0 结果?
BenchLeader 上有 68 个模型配置有 LiveBench 1.0 结果,全部取自 LiveBench。
LiveBench 1.0 由谁运行,多久更新一次?
LiveBench 1.0 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 1.0 是否计入 BenchLeader Index?
不计入。LiveBench 1.0 仅作参考展示,不计入综合分数。