DistressBench 排行榜
截至 2026年11月16日,DistressBench 的最高分为 88.4%,由 Muse Spark 1.2(Meta)取得,领先于 Muse Spark Open(87.7%)。共有 43 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年10月28日)。在 718 段由临床人员撰写、涉及自杀、自伤和急性心理困扰的对话中,按临床评分细则衡量危机支持的质量。Scale AI。DistressBench 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Muse Spark 1.2 以 88.4% 保持 DistressBench 最高分(Scale AI SEAL,2026年10月28日)。
- Muse Spark Open 以 87.7% 位列 DistressBench 第二(Scale AI SEAL,2026年10月28日)。
- DistressBench:在 718 段由临床人员撰写、涉及自杀、自伤和急性心理困扰的对话中,按临床评分细则衡量危机支持的质量。Scale AI(Scale AI SEAL)。
- BenchLeader 上有 43 个模型配置公布了 DistressBench 结果(BenchLeader,2026年11月16日)。
- DistressBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
在 718 段由临床人员撰写、涉及自杀、自伤和急性心理困扰的对话中,按临床评分细则衡量危机支持的质量。Scale AI。
- 类别
- 安全与诚实
- Index 权重
- 仅作参考
- 模型
- 43
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月12日
Scale AI SEAL Leaderboards.
- 1Muse Spark 1.288.4%
- 2Muse Spark Open87.7%
- 3Muse Wonder85.9%
- 4Muse Spark 1.384.9%
- 5Inkling 2 Small82.3%
- 6DeepSeek V4.1 Flash79.8%
- 7Inkling78.5%
- 8Qwen3.8 Max (max)77.6%
- 9Qwen3.8 2.4T A95B77.5%
- 10Mistral Large 477.0%
- 11GPT-5.6 Terra76.4%
- 12Claude Opus 5.575.6%
- 13Claude Sonnet 5.574.6%
- 14GPT-6 Astra74.3%
- 15GPT-6.1 Sol74.2%
43 / 43
| # | ||||
|---|---|---|---|---|
| 1 | 88.4% | – | 2026-10-28 | |
| 2 | 87.7% | – | 2026-10-28 | |
| 3 | 85.9% | 64.4 | 2026-10-28 | |
| 4 | 84.9% | 61.6 | 2026-10-28 | |
| 5 | 82.3% | 57.9 | 2026-11-12 | |
| 6 | 79.8% | – | 2026-10-28 | |
| 7 | 78.5% | 50.4 | 2026-10-28 | |
| 8 | 77.6% | 58.7 | 2026-10-28 | |
| 9 | 77.5% | 51.4 | 2026-10-28 | |
| 10 | 77.0% | 52.9 | 2026-10-28 | |
| 11 | 76.4% | – | 2026-10-28 | |
| 12 | 75.6% | 61.0 | 2026-10-28 | |
| 13 | 74.6% | – | 2026-10-28 | |
| 14 | 74.3% | 66.4 | 2026-10-28 | |
| 15 | 74.2% | 62.0 | 2026-10-28 | |
| 16 | 73.6% | 54.3 | 2026-10-28 | |
| 17 | 73.5% | 60.7 | 2026-10-28 | |
| 18 | 72.7% | 47.2 | 2026-10-28 | |
| 19 | 72.7% | 57.8 | 2026-10-28 | |
| 20 | 72.5% | – | 2026-10-28 | |
| 21 | 71.7% | – | 2026-10-28 | |
| 22 | 71.5% | 66.4 | 2026-10-28 | |
| 23 | 71.4% | 58.7 | 2026-10-28 | |
| 24 | 71.2% | 54.9 | 2026-10-28 | |
| 25 | 70.7% | 56.4 | 2026-10-28 | |
| 26 | 70.2% | 63.2 | 2026-10-28 | |
| 27 | 69.4% | 65.4 | 2026-10-28 | |
| 28 | 69.0% | – | 2026-10-28 | |
| 29 | 68.8% | 59.9 | 2026-10-28 | |
| 30 | 68.6% | 64.4 | 2026-10-28 | |
| 31 | 68.0% | 53.0 | 2026-10-28 | |
| 32 | 68.0% | – | 2026-10-28 | |
| 33 | 67.7% | 56.1 | 2026-10-28 | |
| 34 | 66.9% | – | 2026-10-28 | |
| 35 | 66.7% | – | 2026-10-28 | |
| 36 | 65.9% | – | 2026-10-28 | |
| 37 | 63.7% | 46.1 | 2026-10-28 | |
| 38 | 63.5% | – | 2026-10-28 | |
| 39 | 62.1% | 42.1 | 2026-10-28 | |
| 40 | 59.1% | 40.5 | 2026-10-28 | |
| 41 | 58.8% | 45.1 | 2026-10-28 | |
| 42 | 52.4% | – | 2026-10-28 | |
| 43 | 41.3% | 41.8 | 2026-10-28 |
相关基准测试
DistressBench 上的热门模型对比
引用格式:BenchLeader,《DistressBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scale_distressbench。
DistressBench:常见问题
- DistressBench 衡量的是什么?
- 在 718 段由临床人员撰写、涉及自杀、自伤和急性心理困扰的对话中,按临床评分细则衡量危机支持的质量。Scale AI。分数以完成任务的百分比表示,越高越好。
- DistressBench 的最高分是多少?
- 截至 2026年11月16日,DistressBench 的最高分为 88.4%,由 Muse Spark 1.2 取得(结果日期 2026年10月28日),领先于 Muse Spark Open(87.7%)。分数来自 Scale AI SEAL,每天重新读取。
- 哪个 AI 模型在 DistressBench 上领先?
- 截至 2026年11月16日,DistressBench 排名第一的是 Muse Spark 1.2,分数为 88.4%(结果日期 2026年10月28日)。其后为 Muse Spark Open(87.7%)。
- 有多少模型有 DistressBench 结果?
- BenchLeader 上有 43 个模型配置有 DistressBench 结果,全部取自 Scale AI SEAL。
- DistressBench 由谁运行,多久更新一次?
- DistressBench 由 Scale AI SEAL 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。
- DistressBench 是否计入 BenchLeader Index?
- 不计入。DistressBench 仅作参考展示,不计入综合分数。