MMLU 排行榜
截至 2026年11月16日,MMLU 的最高分为 88.1%,由 GPT-4o(OpenAI)取得,领先于 Claude 3.5 Sonnet(87.3%)。共有 120 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2024年11月20日)。涵盖 57 个学科的世界知识选择题考试。MMLU 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GPT-4o 以 88.1% 保持 MMLU 最高分(Epoch AI Benchmarking Hub,2024年11月20日)。
- Claude 3.5 Sonnet 以 87.3% 位列 MMLU 第二(Epoch AI Benchmarking Hub,2024年10月22日)。
- MMLU:覆盖 57 个学科的世界知识选择题考试。2020 年的基准测试,对当前模型已饱和,保留作为历史记录(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 120 个模型配置公布了 MMLU 结果(BenchLeader,2026年11月16日)。
- MMLU 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
覆盖 57 个学科的世界知识选择题考试。2020 年的基准测试,对当前模型已饱和,保留作为历史记录。
- 类别
- 知识
- Index 权重
- 仅作参考
- 模型
- 120
- 数据截至
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
涵盖 57 个学科的世界知识选择题考试。
评分方式
准确率,由 Epoch AI 根据已公布的结果汇编。
注意事项
已饱和:前沿模型的得分接近上限,所以它只能区分较旧或较小的模型,而且结果大多由提供商自报。
- 1GPT-4o88.1%
- 2Claude 3.5 Sonnet87.3%
- 3DeepSeek V387.2%
- 4Gemini 1.5 Pro 00286.9%
- 5GPT-486.4%
- 6Llama 3.3 70B86.3%
- 7Gemini 1.5 Pro 00185.9%
- 8Qwen2.5 72B85.3%
- 9Phi-484.8%
- 10Claude 3 Opus84.6%
- 11Llama 3.1 405B84.5%
- 12Gemini 1.5 Pro 001 Feb2482.7%
- 13Qwen2-72B82.4%
- 14GPT 4 061382.4%
- 15Nova Pro82.0%
120 / 120
| # | ||||
|---|---|---|---|---|
| 1 | 88.1% | 42.8 | 2024-11-20 | |
| 2 | 87.3% | 46.8 | 2024-10-22 | |
| 3 | 87.2% | 44.3 | 2024-12-26 | |
| 4 | 86.9% | 41.4 | 2024-09-24 | |
| 5 | 86.4% | 42.3 | 2023-03-14 | |
| 6 | 86.3% | 39.9 | 2024-12-06 | |
| 7 | 85.9% | – | 2024-05-14 | |
| 8 | 85.3% | 43.1 | 2024-09-19 | |
| 9 | 84.8% | 39.3 | 2024-12-12 | |
| 10 | 84.6% | 38.8 | 2024-02-29 | |
| 11 | 84.5% | 41.8 | 2024-07-23 | |
| 12 | 82.7% | – | 2024-02-15 | |
| 13 | 82.4% | 41.2 | 2024-06-07 | |
| 14 | 82.4% | 39.5 | 2023-06-13 | |
| 15 | 82.0% | 40.5 | 2024-12-03 | |
| 16 | 81.8% | 35.2 | 2024-07-18 | |
| 17 | 81.3% | 41.1 | 2024-04-09 | |
| 18 | 80.3% | 36.0 | 2024-09-24 | |
| 19 | 80.1% | 40.7 | 2024-07-23 | |
| 20 | 80.0% | 40.8 | 2024-07-24 | |
| 21 | 79.9% | – | 2024-09-19 | |
| 22 | 79.7% | 43.5 | 2024-12-11 | |
| 23 | 79.3% | 38.7 | 2024-04-18 | |
| 24 | 79.3% | – | 2024-05-13 | |
| 25 | 79.1% | 42.5 | 2024-09-18 | |
| 26 | 78.5% | – | 2023-07-11 | |
| 27 | 78.4% | – | 2024-05-07 | |
| 28 | 78.0% | 37.8 | 2024-04-23 | |
| 29 | 77.9% | – | 2024-05-23 | |
| 30 | 77.8% | 45.3 | 2024-05-14 | |
| 31 | 77.8% | 37.4 | 2024-04-17 | |
| 32 | 77.0% | 38.2 | 2024-12-03 | |
| 33 | 77.0% | – | 2023-04-18 | |
| 34 | 76.3% | 34.7 | 2023-11-02 | |
| 35 | 75.9% | 37.7 | 2024-02-29 | |
| 36 | 75.7% | 40.8 | 2024-06-24 | |
| 37 | 75.7% | – | 2024-04-23 | |
| 38 | 75.2% | – | 2024-09-18 | |
| 39 | 74.4% | 39.5 | 2024-02-04 | |
| 40 | 74.3% | 38.7 | 2024-10-22 | |
| 41 | 73.9% | 38.2 | 2024-09-24 | |
| 42 | 73.8% | 36.1 | 2024-03-07 | |
| 43 | 73.5% | – | 2023-11-21 | |
| 44 | 73.4% | – | – | |
| 45 | 73.2% | – | 2023-08-09 | |
| 46 | 72.9% | 39.8 | 2024-09-19 | |
| 47 | 72.7% | – | 2023-06-22 | |
| 48 | 72.1% | 38.8 | 2024-06-24 | |
| 49 | 71.4% | 38.4 | 2023-11-06 | |
| 50 | 70.8% | 39.2 | 2024-12-03 | |
| 51 | 70.6% | 30.8 | 2023-12-11 | |
| 52 | 70.6% | – | 2023-09-06 | |
| 53 | 70.0% | – | 2023-12-13 | |
| 54 | 70.0% | – | 2022-03-15 | |
| 55 | 69.9% | 33.4 | 2023-07-18 | |
| 56 | 69.4% | 33.7 | 2024-08-30 | |
| 57 | 69.3% | – | 2022-04-04 | |
| 58 | 68.9% | – | 2023-06-13 | |
| 59 | 68.8% | 40.5 | 2024-02-26 | |
| 60 | 68.8% | 36.7 | 2024-04-23 |
引用格式:BenchLeader,《MMLU 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/mmlu。
MMLU:常见问题
- MMLU 衡量的是什么?
- 涵盖 57 个学科的世界知识选择题考试。分数以完成任务的百分比表示,越高越好。
- MMLU 的最高分是多少?
- 截至 2026年11月16日,MMLU 的最高分为 88.1%,由 GPT-4o 取得(结果日期 2024年11月20日),领先于 Claude 3.5 Sonnet(87.3%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 MMLU 上领先?
- 截至 2026年11月16日,MMLU 排名第一的是 GPT-4o,分数为 88.1%(结果日期 2024年11月20日)。其后为 Claude 3.5 Sonnet(87.3%)。
- 有多少模型有 MMLU 结果?
- BenchLeader 上有 120 个模型配置有 MMLU 结果,全部取自 Epoch AI Benchmarking Hub。
- MMLU 由谁运行,多久更新一次?
- MMLU 由 Epoch AI Benchmarking Hub 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。
- MMLU 是否计入 BenchLeader Index?
- 不计入。MMLU 仅作参考展示,不计入综合分数。