BenchLeader

LiveBench Language 排行榜

截至 2026年11月16日,LiveBench Language 的最高分为 90.7%,由 Claude Fable 5(Anthropic)取得,领先于 GPT-6.1 Sol(90.1%)。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 的语言任务:用近期文本构造的字谜、错别字纠正和情节重排。LiveBench Language 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Claude Fable 5 以 90.7% 保持 LiveBench Language 最高分(LiveBench,2026年6月25日)。
  • GPT-6.1 Sol 以 90.1% 位列 LiveBench Language 第二(LiveBench,2026年6月25日)。
  • LiveBench Language:LiveBench 1.0 的语言类别,冻结在最终版本(2026年6月25日)。LiveBench 2.0 已取消该类别(LiveBench)。
  • BenchLeader 上有 68 个模型配置公布了 LiveBench Language 结果(BenchLeader,2026年11月16日)。
  • LiveBench Language 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

LiveBench 1.0 的语言类别,冻结在最终版本(2026年6月25日)。LiveBench 2.0 已取消该类别。

发布方
LiveBench
类别
指令遵循
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.

测试内容

LiveBench 的语言任务:用近期文本构造的字谜、错别字纠正和情节重排。

评分方式

正确率,取自 LiveBench 1.0 的最后一个版本(2026 年 6 月 25 日)。LiveBench 2.0 取消了这个类别,这些分数不再更新。

注意事项

规模小且风格独特;适合检查模型处理文本是否细致,而不是衡量写作质量。

68 / 68
#
1Claude Fable 5max90.7%65.12026-06-25
2GPT-6.1 Solmax90.1%66.62026-06-25
3Claude Fable 5.1max89.5%66.72026-06-25
4GPT-6 Astramax89.4%67.32026-06-25
5Claude Opus 5max88.7%65.02026-06-25
6GPT-6.1 Solxhigh88.7%63.62026-06-25
7Gemini 3.8 Flashhigh87.8%59.42026-06-25
8GPT-5.6 Solmax87.7%65.32026-06-25
9GPT-5.5xhigh87.4%64.12026-06-25
10Claude Opus 5.5max86.3%68.42026-06-25
11Kimi K385.5%60.72026-06-25
12Claude Opus 5.5xhigh85.5%65.42026-06-25
13Gemini 3.7 Flashhigh85.5%62.12026-06-25
14Gemini 3.1 Prohigh85.4%60.42026-06-25
15GPT-6 Solmax85.3%62.62026-06-25
16Gemini 3.5 Flashhigh84.6%62.52026-06-25
17Gemini 3.6 Flashhigh83.9%61.02026-06-25
18Grok 4.683.7%–2026-06-25
19Claude Sonnet 5.5xhigh83.4%62.52026-06-25
20Claude Opus 4.6high83.3%62.52026-06-25
21Muse Wondermax82.9%60.82026-06-25
22GPT-5.6 Terramax82.9%59.52026-06-25
23Grok 4.582.8%59.32026-06-25
24Muse Spark 1.3xhigh82.8%58.12026-06-25
25GPT-5.4xhigh82.6%63.12026-06-25
26DeepSeek V4 Pro82.1%53.02026-06-25
27Claude Opus 4.5high81.3%59.72026-06-25
28DeepSeek V4.1 Flashmax81.2%58.52026-06-25
29Deepseek v4 Flash Vision80.4%–2026-06-25
30Grok 4.7xhigh80.1%57.42026-06-25
31GLM 5.379.9%–2026-06-25
32GPT-5.2high79.8%55.82026-06-25
33Qwen3.7max79.7%60.02026-06-25
34Qwen3.8 Maxmax79.7%58.72026-06-25
35Claude Opus 4.8max79.7%61.12026-06-25
36Smaug Flash79.2%–2026-06-25
37DeepSeek V4 Flash79.2%53.82026-06-25
38Muse Spark 1.2xhigh78.6%61.52026-06-25
39Claude Sonnet 5.5max78.0%64.22026-06-25
40Claude Opus 4.7xhigh77.9%57.02026-06-25
41Kimi K2.7 Code77.9%53.92026-06-25
42GLM 5.3 Flash77.3%57.82026-06-25
43Smaug Mini77.0%–2026-06-25
44MiniMax M376.8%56.12026-06-25
45GLM 5.276.2%51.92026-06-25
46Claude Sonnet 4.6medium76.1%–2026-06-25
47Kimi K2.6thinking75.1%59.32026-06-25
48Qwen3.6 Plus75.0%59.02026-06-25
49Claude Sonnet 5xhigh75.0%55.42026-06-25
50Qwen3.8-Flash-Next74.6%53.92026-06-25
51Qwen3.8 27B74.3%55.12026-06-25
52Muse Spark 1.1xhigh74.3%59.52026-06-25
53GPT-6 Lunamax73.8%55.12026-06-25
54GPT-5.2-Codex73.7%57.62026-06-25
55Grok 4.373.6%54.52026-06-25
56Inklingxhigh73.5%50.02026-06-25
57GPT-5.6 Lunamax72.6%56.22026-06-25
58Grok Build 0.172.5%–2026-06-25
59Gemini 3.5 Flash Litehigh71.8%47.82026-06-25
60GPT-5.4 Minixhigh71.0%55.12026-06-25

更多指令遵循基准测试 · 全部大模型基准测试

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

LiveBench Language:常见问题

LiveBench Language 衡量的是什么?
LiveBench 的语言任务:用近期文本构造的字谜、错别字纠正和情节重排。分数以完成任务的百分比表示,越高越好。
LiveBench Language 的最高分是多少?
截至 2026年11月16日,LiveBench Language 的最高分为 90.7%,由 Claude Fable 5 取得(结果日期 2026年6月25日),领先于 GPT-6.1 Sol(90.1%)。分数来自 LiveBench,每天重新读取。
哪个 AI 模型在 LiveBench Language 上领先?
截至 2026年11月16日,LiveBench Language 排名第一的是 Claude Fable 5,分数为 90.7%(结果日期 2026年6月25日)。其后为 GPT-6.1 Sol(90.1%)。
有多少模型有 LiveBench Language 结果?
BenchLeader 上有 68 个模型配置有 LiveBench Language 结果,全部取自 LiveBench。
LiveBench Language 由谁运行,多久更新一次?
LiveBench Language 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 Language 是否计入 BenchLeader Index?
不计入。LiveBench Language 仅作参考展示,不计入综合分数。