LiveBench Research 排行榜
截至 2026年11月16日,LiveBench Research 的最高分为 94.5%,由 Claude Fable 5.2(Anthropic)取得,领先于 Muse Wonder(93.0%)。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 的研究套件:从多个来源汇集并核实发现,写成一份接受评分的报告。LiveBench Research 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 94.5% 保持 LiveBench Research 最高分(LiveBench,2026年11月6日)。
- Muse Wonder 以 93.0% 位列 LiveBench Research 第二(LiveBench,2026年11月6日)。
- LiveBench Research:LiveBench 2.0 研究套件(LiveBench)。
- BenchLeader 上有 34 个模型配置公布了 LiveBench Research 结果(BenchLeader,2026年11月16日)。
- LiveBench Research 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
LiveBench 2.0 研究套件。
- 发布方
- LiveBench
- 类别
- 知识
- 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 的研究套件:从多个来源汇集并核实发现,写成一份接受评分的报告。
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
同时评判覆盖面和正确性;引用格式和排版也可能扣分。
- 1Claude Fable 5.2 (xhigh)94.5%
- 2Muse Wonder (max)93.0%
- 3Gemini 4 Carbon (high)92.5%
- 4GPT-6 Astra (max)90.6%
- 5GPT-6.1 Sol (max)90.0%
- 6Grok 4.7 (xhigh)89.5%
- 7Claude Opus 5.5 (max)88.9%
- 8Grok 4.6 (xhigh)88.8%
- 9Claude Fable 5.1 (max)88.5%
- 10Claude Sonnet 5.5 (max)88.0%
- 11Gemini 4 Argon (high)86.8%
- 12Gemini 4 Hydrogen (xhigh)86.8%
- 13MiMo-V2.6-Pro (high)84.8%
- 14Claude Haiku 5.5 (max)84.3%
- 15Muse Spark Open (max)82.7%
34 / 34
| # | |||||||
|---|---|---|---|---|---|---|---|
| 1 | 新 | 94.5% | 69.7 | $291.89 | $13.27 | 113k | 2026-11-06 |
| 2 | 93.0% | 60.8 | $92.20 | $4.19 | 31k | 2026-11-06 | |
| 3 | 92.5% | 68.9 | $110.07 | $5.00 | 117k | 2026-11-06 | |
| 4 | 90.6% | 67.3 | $442.79 | $20.13 | 35k | 2026-11-06 | |
| 5 | 90.0% | 66.6 | $59.70 | $2.71 | 47k | 2026-11-06 | |
| 6 | 89.5% | 57.4 | $139.92 | $6.36 | 86k | 2026-11-06 | |
| 7 | 88.9% | 68.4 | $200.46 | $9.11 | 137k | 2026-11-06 | |
| 8 | 88.8% | 56.1 | $57.82 | $2.63 | 35k | 2026-11-06 | |
| 9 | 88.5% | 66.7 | $454.59 | $20.66 | 77k | 2026-11-06 | |
| 10 | 88.0% | 64.2 | $198.88 | $9.04 | 264k | 2026-11-06 | |
| 11 | 86.8% | 65.3 | $131.02 | $5.96 | 144k | 2026-11-06 | |
| 12 | 新 | 86.8% | 61.8 | $109.76 | $4.99 | 121k | 2026-11-06 |
| 13 | 84.8% | – | $3.82 | $0.174 | 72k | 2026-11-06 | |
| 14 | 84.3% | 55.3 | $44.63 | $2.03 | 250k | 2026-11-06 | |
| 15 | 82.7% | – | $19.00 | $0.864 | 29k | 2026-11-06 | |
| 16 | 82.5% | 60.6 | $68.72 | $3.12 | 48k | 2026-11-06 | |
| 17 | 82.1% | 59.9 | $74.80 | $3.40 | 55k | 2026-11-06 | |
| 18 | 80.3% | 48.3 | $19.33 | $0.879 | 94k | 2026-11-06 | |
| 19 | 79.8% | 60.2 | $60.14 | $2.73 | 40k | 2026-11-06 | |
| 20 | 79.7% | 59.5 | $202.79 | $9.22 | 80k | 2026-11-06 | |
| 21 | 79.4% | 59.4 | $57.90 | $2.63 | 144k | 2026-11-06 | |
| 22 | 79.1% | 64.1 | $32.16 | $1.46 | 39k | 2026-11-06 | |
| 23 | 78.6% | 57.7 | $8.87 | $0.403 | 135k | 2026-11-06 | |
| 24 | 76.7% | – | $6.38 | $0.290 | 120k | 2026-11-06 | |
| 25 | 75.5% | – | $29.46 | $1.34 | 77k | 2026-11-06 | |
| 26 | 73.9% | 52.4 | $5.07 | $0.230 | 70k | 2026-11-06 | |
| 27 | 72.8% | 58.7 | $57.03 | $2.59 | 121k | 2026-11-06 | |
| 28 | 67.4% | – | $2.96 | $0.135 | 59k | 2026-11-06 | |
| 29 | 67.1% | – | $8.69 | $0.395 | 62k | 2026-11-06 | |
| 30 | 66.8% | – | $3.15 | $0.143 | 60k | 2026-11-06 | |
| 31 | 61.3% | – | $26.57 | $1.21 | 95k | 2026-11-06 | |
| 32 | 60.3% | – | $41.62 | $1.89 | 43k | 2026-11-06 | |
| 33 | 48.5% | 55.1 | $9.37 | $0.426 | 242k | 2026-11-06 | |
| 34 | 38.1% | – | $1.53 | $0.070 | 12k | 2026-11-06 |
相关基准测试
LiveBench Research 上的热门模型对比
引用格式:BenchLeader,《LiveBench Research 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/livebench_research。
LiveBench Research:常见问题
- LiveBench Research 衡量的是什么?
- LiveBench 的研究套件:从多个来源汇集并核实发现,写成一份接受评分的报告。分数以完成任务的百分比表示,越高越好。
- LiveBench Research 的最高分是多少?
- 截至 2026年11月16日,LiveBench Research 的最高分为 94.5%,由 Claude Fable 5.2 取得(结果日期 2026年11月6日),领先于 Muse Wonder(93.0%)。分数来自 LiveBench,每天重新读取。
- 哪个 AI 模型在 LiveBench Research 上领先?
- 截至 2026年11月16日,LiveBench Research 排名第一的是 Claude Fable 5.2,分数为 94.5%(结果日期 2026年11月6日)。其后为 Muse Wonder(93.0%)。
- 有多少模型有 LiveBench Research 结果?
- BenchLeader 上有 34 个模型配置有 LiveBench Research 结果,全部取自 LiveBench。
- LiveBench Research 由谁运行,多久更新一次?
- LiveBench Research 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 Research 是否计入 BenchLeader Index?
- 不计入。LiveBench Research 仅作参考展示,不计入综合分数。