BenchLeader

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。

发布方
Scale AI SEAL
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.

43 / 43
#
1Muse Spark 1.288.4%–2026-10-28
2Muse Spark Open87.7%–2026-10-28
3Muse Wonder85.9%64.42026-10-28
4Muse Spark 1.384.9%61.62026-10-28
5Inkling 2 Small82.3%57.92026-11-12
6DeepSeek V4.1 Flash79.8%–2026-10-28
7Inkling78.5%50.42026-10-28
8Qwen3.8 Maxmax77.6%58.72026-10-28
9Qwen3.8 2.4T A95B77.5%51.42026-10-28
10Mistral Large 477.0%52.92026-10-28
11GPT-5.6 Terra76.4%–2026-10-28
12Claude Opus 5.575.6%61.02026-10-28
13Claude Sonnet 5.574.6%–2026-10-28
14GPT-6 Astra74.3%66.42026-10-28
15GPT-6.1 Sol74.2%62.02026-10-28
16GPT-5.6 Sol73.6%54.32026-10-28
17Kimi K373.5%60.72026-10-28
18GPT-5.6 Luna72.7%47.22026-10-28
19GLM 5.3 Flash72.7%57.82026-10-28
20GLM 5.372.5%–2026-10-28
21Claude Haiku 5.571.7%–2026-10-28
22Claude Fable 5.171.5%66.42026-10-28
23Claude Opus 4.871.4%58.72026-10-28
24GLM-571.2%54.92026-10-28
25Gemini 3.8 Flash70.7%56.42026-10-28
26Claude Opus 570.2%63.22026-10-28
27Claude Fable 569.4%65.42026-10-28
28Gemini 3.7 Flash69.0%–2026-10-28
29Gemini 3.1 Pro68.8%59.92026-10-28
30Gemini 4 Argon68.6%64.42026-10-28
31Claude Sonnet 568.0%53.02026-10-28
32GPT-6 Sol68.0%–2026-10-28
33MiniMax M367.7%56.12026-10-28
34Gemini 3.5 Flash66.9%–2026-10-28
35GPT-6 Luna66.7%–2026-10-28
36GPT-6.1 Terra65.9%–2026-10-28
37gpt-oss-120b63.7%46.12026-10-28
38Nemotron 3.5 Lightning 30B A3B63.5%–2026-10-28
39Nemotron 3 Ultra62.1%42.12026-10-28
40Mistral Large 24.0259.1%40.52026-10-28
41Mistral Large 358.8%45.12026-10-28
42Grok 4.752.4%–2026-10-28
43Llama 4 Maverick41.3%41.82026-10-28

更多安全与诚实基准测试 · 全部大模型基准测试

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。