BenchLeader

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。

34 / 34
#
1新Claude Fable 5.2xhigh94.5%69.7$291.89$13.27113k2026-11-06
2Muse Wondermax93.0%60.8$92.20$4.1931k2026-11-06
3Gemini 4 Carbonhigh92.5%68.9$110.07$5.00117k2026-11-06
4GPT-6 Astramax90.6%67.3$442.79$20.1335k2026-11-06
5GPT-6.1 Solmax90.0%66.6$59.70$2.7147k2026-11-06
6Grok 4.7xhigh89.5%57.4$139.92$6.3686k2026-11-06
7Claude Opus 5.5max88.9%68.4$200.46$9.11137k2026-11-06
8Grok 4.6xhigh88.8%56.1$57.82$2.6335k2026-11-06
9Claude Fable 5.1max88.5%66.7$454.59$20.6677k2026-11-06
10Claude Sonnet 5.5max88.0%64.2$198.88$9.04264k2026-11-06
11Gemini 4 Argonhigh86.8%65.3$131.02$5.96144k2026-11-06
12新Gemini 4 Hydrogenxhigh86.8%61.8$109.76$4.99121k2026-11-06
13MiMo-V2.6-Prohigh84.8%–$3.82$0.17472k2026-11-06
14Claude Haiku 5.5max84.3%55.3$44.63$2.03250k2026-11-06
15Muse Spark Openmax82.7%–$19.00$0.86429k2026-11-06
16Muse Spark 1.3max82.5%60.6$68.72$3.1248k2026-11-06
17Kimi K3.1 Promax82.1%59.9$74.80$3.4055k2026-11-06
18Mistral Large 4high80.3%48.3$19.33$0.87994k2026-11-06
19Kimi K3max79.8%60.2$60.14$2.7340k2026-11-06
20GPT-5.6 Terramax79.7%59.5$202.79$9.2280k2026-11-06
21Gemini 3.8 Flashhigh79.4%59.4$57.90$2.63144k2026-11-06
22GPT-6.1 Terramax79.1%64.1$32.16$1.4639k2026-11-06
23DeepSeek V4.1 Flash 1017max78.6%57.7$8.87$0.403135k2026-11-06
24MiniMax M3.1 Flashmax76.7%–$6.38$0.290120k2026-11-06
25Step 5 Previewmax75.5%–$29.46$1.3477k2026-11-06
26GLM 5.3 Flashmax73.9%52.4$5.07$0.23070k2026-11-06
27Qwen3.8 Maxmax72.8%58.7$57.03$2.59121k2026-11-06
28Nemotron Super VL 3.5 NVFP4max67.4%–$2.96$0.13559k2026-11-06
29Nemotron Super VL 3.5max67.1%–$8.69$0.39562k2026-11-06
30Smaug Nemotron 3.5 NVFP4max66.8%–$3.15$0.14360k2026-11-06
31Qwen3.8 27Bmax61.3%–$26.57$1.2195k2026-11-06
32Inklingmax60.3%–$41.62$1.8943k2026-11-06
33GPT-6 Lunamax48.5%55.1$9.37$0.426242k2026-11-06
34Gemma 4 31Bmax38.1%–$1.53$0.07012k2026-11-06

更多知识基准测试 · 全部大模型基准测试

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。