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。
- 1GPT-6 Astra (max)92.7%
- 2GPT-6.1 Sol (max)92.6%
- 3Claude Opus 5.5 (max)92.2%
- 4Claude Fable 5.1 (max)91.7%
- 5GPT-5.6 Sol (max)91.7%
- 6Claude Sonnet 5.5 (max)91.6%
- 7GPT-6.1 Sol (xhigh)91.6%
- 8Claude Opus 5 (max)91.2%
- 9Kimi K390.7%
- 10Claude Opus 5.5 (xhigh)90.7%
- 11Muse Wonder (max)90.6%
- 12GPT-5.6 Terra (max)90.6%
- 13Grok 4.690.5%
- 14Muse Spark 1.2 (xhigh)90.0%
- 15Claude Fable 5 (max)89.7%
68 / 68
| # | ||||
|---|---|---|---|---|
| 1 | 92.7% | 67.3 | 2026-06-25 | |
| 2 | 92.6% | 66.6 | 2026-06-25 | |
| 3 | 92.2% | 68.4 | 2026-06-25 | |
| 4 | 91.7% | 66.7 | 2026-06-25 | |
| 5 | 91.7% | 65.3 | 2026-06-25 | |
| 6 | 91.6% | 64.2 | 2026-06-25 | |
| 7 | 91.6% | 63.6 | 2026-06-25 | |
| 8 | 91.2% | 65.0 | 2026-06-25 | |
| 9 | 90.7% | 60.7 | 2026-06-25 | |
| 10 | 90.7% | 65.4 | 2026-06-25 | |
| 11 | 90.6% | 60.8 | 2026-06-25 | |
| 12 | 90.6% | 59.5 | 2026-06-25 | |
| 13 | 90.5% | – | 2026-06-25 | |
| 14 | 90.0% | 61.5 | 2026-06-25 | |
| 15 | 89.7% | 65.1 | 2026-06-25 | |
| 16 | 89.7% | 64.1 | 2026-06-25 | |
| 17 | 89.7% | 58.1 | 2026-06-25 | |
| 18 | 89.3% | 59.4 | 2026-06-25 | |
| 19 | 89.2% | 61.1 | 2026-06-25 | |
| 20 | 88.7% | 55.4 | 2026-06-25 | |
| 21 | 88.7% | 62.5 | 2026-06-25 | |
| 22 | 88.7% | 62.6 | 2026-06-25 | |
| 23 | 88.2% | 58.7 | 2026-06-25 | |
| 24 | 88.1% | 63.1 | 2026-06-25 | |
| 25 | 87.8% | 62.1 | 2026-06-25 | |
| 26 | 87.7% | 59.5 | 2026-06-25 | |
| 27 | 87.4% | 53.9 | 2026-06-25 | |
| 28 | 87.2% | 57.0 | 2026-06-25 | |
| 29 | 87.2% | 59.3 | 2026-06-25 | |
| 30 | 86.8% | 62.5 | 2026-06-25 | |
| 31 | 86.7% | 58.5 | 2026-06-25 | |
| 32 | 86.6% | 53.8 | 2026-06-25 | |
| 33 | 86.2% | – | 2026-06-25 | |
| 34 | 85.8% | 53.0 | 2026-06-25 | |
| 35 | 85.8% | – | 2026-06-25 | |
| 36 | 85.6% | 56.2 | 2026-06-25 | |
| 37 | 85.4% | – | 2026-06-25 | |
| 38 | 85.2% | 61.0 | 2026-06-25 | |
| 39 | 84.8% | – | 2026-06-25 | |
| 40 | 84.6% | 55.3 | 2026-06-25 | |
| 41 | 84.0% | 60.4 | 2026-06-25 | |
| 42 | 83.9% | 48.3 | 2026-06-25 | |
| 43 | 83.3% | 60.0 | 2026-06-25 | |
| 44 | 83.2% | 55.8 | 2026-06-25 | |
| 45 | 82.8% | 53.9 | 2026-06-25 | |
| 46 | 82.8% | – | 2026-06-25 | |
| 47 | 82.7% | 57.4 | 2026-06-25 | |
| 48 | 82.0% | 62.5 | 2026-06-25 | |
| 49 | 81.8% | 55.1 | 2026-06-25 | |
| 50 | 81.2% | 56.7 | 2026-06-25 | |
| 51 | 81.1% | 53.9 | 2026-06-25 | |
| 52 | 80.1% | 59.7 | 2026-06-25 | |
| 53 | 80.0% | 55.1 | 2026-06-25 | |
| 54 | 79.4% | 59.3 | 2026-06-25 | |
| 55 | 78.6% | 51.9 | 2026-06-25 | |
| 56 | 78.3% | 50.0 | 2026-06-25 | |
| 57 | 77.7% | 57.6 | 2026-06-25 | |
| 58 | 77.6% | 57.8 | 2026-06-25 | |
| 59 | 76.6% | – | 2026-06-25 | |
| 60 | 76.4% | – | 2026-06-25 |
相关基准测试
LiveBench 1.0 Reasoning 上的热门模型对比
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。