BenchLeader

LiveBench 1.0 Reasoning 排行榜

截至 2026年11月16日,LiveBench 1.0 Reasoning 的最高分为 92.7%,由 GPT-6 Astra(OpenAI)取得,领先于 GPT-6.1 Sol(92.6%)。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 的推理题:逻辑谜题、空间问题和经典谜语的变体,全部新写,答案无法靠记忆获得。LiveBench 1.0 Reasoning 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • GPT-6 Astra 以 92.7% 保持 LiveBench 1.0 Reasoning 最高分(LiveBench,2026年6月25日)。
  • GPT-6.1 Sol 以 92.6% 位列 LiveBench 1.0 Reasoning 第二(LiveBench,2026年6月25日)。
  • LiveBench 1.0 Reasoning:LiveBench 1.0 的推理类别,冻结在最终版本(2026年6月25日)。LiveBench 2.0 的推理套件是另一项测试(LiveBench)。
  • BenchLeader 上有 68 个模型配置公布了 LiveBench 1.0 Reasoning 结果(BenchLeader,2026年11月16日)。
  • LiveBench 1.0 Reasoning 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

LiveBench 1.0 的推理类别,冻结在最终版本(2026年6月25日)。LiveBench 2.0 的推理套件是另一项测试。

发布方
LiveBench
类别
推理
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 Reasoning。

测试内容

LiveBench 1.0 的推理题:逻辑谜题、空间问题和经典谜语的变体,全部新写,答案无法靠记忆获得。

评分方式

正确率,自动评分,取自 LiveBench 1.0 的最后一个版本(2026 年 6 月 25 日)。LiveBench 2.0 的 Reasoning 套件是另一项测试,这些分数不再更新。

注意事项

类别规模小,几道题就能改变分数,而且谜题风格足够固定,模型可以针对性调优。

68 / 68
#
1GPT-6 Astramax92.7%67.32026-06-25
2GPT-6.1 Solmax92.6%66.62026-06-25
3Claude Opus 5.5max92.2%68.42026-06-25
4Claude Fable 5.1max91.7%66.72026-06-25
5GPT-5.6 Solmax91.7%65.32026-06-25
6Claude Sonnet 5.5max91.6%64.22026-06-25
7GPT-6.1 Solxhigh91.6%63.62026-06-25
8Claude Opus 5max91.2%65.02026-06-25
9Kimi K390.7%60.72026-06-25
10Claude Opus 5.5xhigh90.7%65.42026-06-25
11Muse Wondermax90.6%60.82026-06-25
12GPT-5.6 Terramax90.6%59.52026-06-25
13Grok 4.690.5%–2026-06-25
14Muse Spark 1.2xhigh90.0%61.52026-06-25
15Claude Fable 5max89.7%65.12026-06-25
16GPT-5.5xhigh89.7%64.12026-06-25
17Muse Spark 1.3xhigh89.7%58.12026-06-25
18Gemini 3.8 Flashhigh89.3%59.42026-06-25
19Claude Opus 4.8max89.2%61.12026-06-25
20Claude Sonnet 5xhigh88.7%55.42026-06-25
21Claude Opus 4.6high88.7%62.52026-06-25
22GPT-6 Solmax88.7%62.62026-06-25
23Qwen3.8 Maxmax88.2%58.72026-06-25
24GPT-5.4xhigh88.1%63.12026-06-25
25Gemini 3.7 Flashhigh87.8%62.12026-06-25
26Muse Spark 1.1xhigh87.7%59.52026-06-25
27Qwen3.8-Flash-Next87.4%53.92026-06-25
28Claude Opus 4.7xhigh87.2%57.02026-06-25
29Grok 4.587.2%59.32026-06-25
30Claude Sonnet 5.5xhigh86.8%62.52026-06-25
31DeepSeek V4.1 Flashmax86.7%58.52026-06-25
32DeepSeek V4 Flash86.6%53.82026-06-25
33Smaug Flash86.2%–2026-06-25
34DeepSeek V4 Pro85.8%53.02026-06-25
35GLM 5.385.8%–2026-06-25
36GPT-5.6 Lunamax85.6%56.22026-06-25
37Deepseek v4 Flash Vision85.4%–2026-06-25
38Gemini 3.6 Flashhigh85.2%61.02026-06-25
39Claude Sonnet 4.6medium84.8%–2026-06-25
40Claude Haiku 5.5max84.6%55.32026-06-25
41Gemini 3.1 Prohigh84.0%60.42026-06-25
42Mistral Large 4high83.9%48.32026-06-25
43Qwen3.7max83.3%60.02026-06-25
44GPT-5.2high83.2%55.82026-06-25
45Kimi K2.7 Code82.8%53.92026-06-25
46Smaug Mini82.8%–2026-06-25
47Grok 4.7xhigh82.7%57.42026-06-25
48Gemini 3.5 Flashhigh82.0%62.52026-06-25
49GPT-6 Lunamax81.8%55.12026-06-25
50Claude Haiku 5.5xhigh81.2%56.72026-06-25
51GPT-5.4 Nanoxhigh81.1%53.92026-06-25
52Claude Opus 4.5high80.1%59.72026-06-25
53Qwen3.8 27B80.0%55.12026-06-25
54Kimi K2.6thinking79.4%59.32026-06-25
55GLM 5.278.6%51.92026-06-25
56Inklingxhigh78.3%50.02026-06-25
57GPT-5.2-Codex77.7%57.62026-06-25
58GLM 5.3 Flash77.6%57.82026-06-25
59Ox Alphamax76.6%–2026-06-25
60Grok Build 0.176.4%–2026-06-25

更多推理基准测试 · 全部大模型基准测试

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

LiveBench 1.0 Reasoning:常见问题

LiveBench 1.0 Reasoning 衡量的是什么?
LiveBench 1.0 的推理题:逻辑谜题、空间问题和经典谜语的变体,全部新写,答案无法靠记忆获得。分数以完成任务的百分比表示,越高越好。
LiveBench 1.0 Reasoning 的最高分是多少?
截至 2026年11月16日,LiveBench 1.0 Reasoning 的最高分为 92.7%,由 GPT-6 Astra 取得(结果日期 2026年6月25日),领先于 GPT-6.1 Sol(92.6%)。分数来自 LiveBench,每天重新读取。
哪个 AI 模型在 LiveBench 1.0 Reasoning 上领先?
截至 2026年11月16日,LiveBench 1.0 Reasoning 排名第一的是 GPT-6 Astra,分数为 92.7%(结果日期 2026年6月25日)。其后为 GPT-6.1 Sol(92.6%)。
有多少模型有 LiveBench 1.0 Reasoning 结果?
BenchLeader 上有 68 个模型配置有 LiveBench 1.0 Reasoning 结果,全部取自 LiveBench。
LiveBench 1.0 Reasoning 由谁运行,多久更新一次?
LiveBench 1.0 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 1.0 Reasoning 是否计入 BenchLeader Index?
不计入。LiveBench 1.0 Reasoning 仅作参考展示,不计入综合分数。