LiveBench Long Agentic 排行榜
截至 2026年11月16日,LiveBench Long Agentic 的最高分为 82.9%,由 Claude Fable 5.2(Anthropic)取得,领先于 GPT-6 Astra(75.6%)。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 的长周期智能体套件:多步骤工作,早期的决策必须在之后的轮次、月份或测试用例中依然站得住。LiveBench Long Agentic 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 82.9% 保持 LiveBench Long Agentic 最高分(LiveBench,2026年11月6日)。
- GPT-6 Astra 以 75.6% 位列 LiveBench Long Agentic 第二(LiveBench,2026年11月6日)。
- LiveBench Long Agentic:LiveBench 2.0 长周期智能体套件(LiveBench)。
- BenchLeader 上有 34 个模型配置公布了 LiveBench Long Agentic 结果(BenchLeader,2026年11月16日)。
- LiveBench Long Agentic 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
LiveBench 2.0 长周期智能体套件。
- 发布方
- LiveBench
- 类别
- 智能体与工具
- 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.
测试内容
LiveBench 的长周期智能体套件:多步骤工作,早期的决策必须在之后的轮次、月份或测试用例中依然站得住。
评分方式
该套件 0–100 的任务平均分,取自单次运行。
注意事项
长周期且依赖测试框架;0 分可能意味着运行失败,而不是做了一部分。
- 1Claude Fable 5.2 (xhigh)82.9%
- 2GPT-6 Astra (max)75.6%
- 3Claude Fable 5.1 (max)74.2%
- 4Claude Opus 5.5 (max)72.8%
- 5Gemini 4 Carbon (high)72.7%
- 6GPT-6.1 Sol (max)65.6%
- 7Claude Sonnet 5.5 (max)63.4%
- 8Gemini 4 Hydrogen (xhigh)61.8%
- 9Gemini 4 Argon (high)58.5%
- 10GPT-6.1 Terra (max)56.2%
- 11Muse Spark 1.3 (max)47.9%
- 12Claude Haiku 5.5 (max)47.9%
- 13Muse Wonder (max)46.2%
- 14Grok 4.7 (xhigh)45.3%
- 15DeepSeek V4.1 Flash 1017 (max)38.8%
34 / 34
| # | |||||||
|---|---|---|---|---|---|---|---|
| 1 | 新 | 82.9% | 69.7 | $2896.70 | $160.93 | 1.4M | 2026-11-06 |
| 2 | 75.6% | 67.3 | $911.16 | $50.62 | 236k | 2026-11-06 | |
| 3 | 74.2% | 66.7 | $1445.29 | $80.29 | 349k | 2026-11-06 | |
| 4 | 72.8% | 68.4 | $1510.52 | $83.92 | 1.1M | 2026-11-06 | |
| 5 | 72.7% | 68.9 | $162.99 | $9.05 | 310k | 2026-11-06 | |
| 6 | 65.6% | 66.6 | $115.59 | $6.42 | 215k | 2026-11-06 | |
| 7 | 63.4% | 64.2 | $1257.99 | $69.89 | 2.7M | 2026-11-06 | |
| 8 | 新 | 61.8% | 61.8 | $128.74 | $7.15 | 307k | 2026-11-06 |
| 9 | 58.5% | 65.3 | $159.75 | $8.88 | 279k | 2026-11-06 | |
| 10 | 56.2% | 64.1 | $110.63 | $6.15 | 276k | 2026-11-06 | |
| 11 | 47.9% | 60.6 | $202.69 | $11.26 | 266k | 2026-11-06 | |
| 12 | 47.9% | 55.3 | $292.47 | $16.25 | 3.2M | 2026-11-06 | |
| 13 | 46.2% | 60.8 | $295.86 | $16.44 | 182k | 2026-11-06 | |
| 14 | 45.3% | 57.4 | $615.73 | $34.21 | 260k | 2026-11-06 | |
| 15 | 38.8% | 57.7 | $25.52 | $1.42 | 416k | 2026-11-06 | |
| 16 | 38.7% | 59.9 | $109.69 | $6.09 | 121k | 2026-11-06 | |
| 17 | 36.4% | – | $15.96 | $0.887 | 324k | 2026-11-06 | |
| 18 | 36.0% | 60.2 | $318.18 | $17.68 | 230k | 2026-11-06 | |
| 19 | 26.6% | 58.7 | $298.62 | $16.59 | 402k | 2026-11-06 | |
| 20 | 25.9% | 59.5 | $220.73 | $12.26 | 164k | 2026-11-06 | |
| 21 | 25.7% | – | $23.38 | $1.30 | 407k | 2026-11-06 | |
| 22 | 24.7% | 55.1 | $12.00 | $0.667 | 254k | 2026-11-06 | |
| 23 | 24.7% | 48.3 | $69.48 | $3.86 | 208k | 2026-11-06 | |
| 24 | 20.7% | 52.4 | $26.84 | $1.49 | 237k | 2026-11-06 | |
| 25 | 19.4% | – | $162.98 | $9.05 | 434k | 2026-11-06 | |
| 26 | 18.7% | 56.1 | $262.32 | $14.57 | 133k | 2026-11-06 | |
| 27 | 16.5% | 59.4 | $102.75 | $5.71 | 234k | 2026-11-06 | |
| 28 | 15.9% | – | $139.86 | $7.77 | 335k | 2026-11-06 | |
| 29 | 12.1% | – | $98.95 | $5.50 | 132k | 2026-11-06 | |
| 30 | 12.0% | – | $29.77 | $1.65 | 184k | 2026-11-06 | |
| 31 | 11.3% | – | $20.71 | $1.15 | 217k | 2026-11-06 | |
| 32 | 11.0% | – | $16.99 | $0.944 | 194k | 2026-11-06 | |
| 33 | 9.8% | – | $195.53 | $10.86 | 156k | 2026-11-06 | |
| 34 | 8.5% | – | $17.43 | $0.969 | 48k | 2026-11-06 |
相关基准测试
LiveBench Long Agentic 上的热门模型对比
引用格式:BenchLeader,《LiveBench Long Agentic 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/livebench_long_agentic。
LiveBench Long Agentic:常见问题
- LiveBench Long Agentic 衡量的是什么?
- LiveBench 的长周期智能体套件:多步骤工作,早期的决策必须在之后的轮次、月份或测试用例中依然站得住。分数以完成任务的百分比表示,越高越好。
- LiveBench Long Agentic 的最高分是多少?
- 截至 2026年11月16日,LiveBench Long Agentic 的最高分为 82.9%,由 Claude Fable 5.2 取得(结果日期 2026年11月6日),领先于 GPT-6 Astra(75.6%)。分数来自 LiveBench,每天重新读取。
- 哪个 AI 模型在 LiveBench Long Agentic 上领先?
- 截至 2026年11月16日,LiveBench Long Agentic 排名第一的是 Claude Fable 5.2,分数为 82.9%(结果日期 2026年11月6日)。其后为 GPT-6 Astra(75.6%)。
- 有多少模型有 LiveBench Long Agentic 结果?
- BenchLeader 上有 34 个模型配置有 LiveBench Long Agentic 结果,全部取自 LiveBench。
- LiveBench Long Agentic 由谁运行,多久更新一次?
- LiveBench Long Agentic 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 Long Agentic 是否计入 BenchLeader Index?
- 不计入。LiveBench Long Agentic 仅作参考展示,不计入综合分数。