BenchLeader

MultiNRC 排行榜

截至 2026年11月16日,MultiNRC 的最高分为 65.6%,由 Muse Spark 1.1(Meta)取得,领先于 GPT-5 Pro(65.2%)。共有 44 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年7月9日)。MultiNRC 用多种语言的母语者直接编写(而非从英语翻译)的题目测试推理,因此文化和语言背景很重要。MultiNRC 计入 BenchLeader Index 的知识得分。

要点(截至 2026年11月16日)

  • Muse Spark 1.1 以 65.6% 保持 MultiNRC 最高分(Scale AI SEAL,2026年7月9日)。
  • GPT-5 Pro 以 65.2% 位列 MultiNRC 第二(Scale AI SEAL,2025年11月6日)。
  • MultiNRC:多种语言的原生推理。Scale AI(Scale AI SEAL)。
  • BenchLeader 上有 44 个模型配置公布了 MultiNRC 结果(BenchLeader,2026年11月16日)。
  • MultiNRC 计入 BenchLeader Index 的知识类别(BenchLeader 方法论)。

多种语言的原生推理。Scale AI。

Scale AI SEAL 将这 44 个结果中的 27 个标记为可能受到污染:模型是在题目公开之后才接受评测的,题目可能已经进入其训练数据。这些分数同样列在下表中,并与其他结果以相同权重计入 Index。

发布方
Scale AI SEAL
类别
知识
Index 权重
0.5
模型
44
数据截至
2026年11月16日

Scale AI SEAL Leaderboards.

测试内容

MultiNRC 用多种语言的母语者直接编写(而非从英语翻译)的题目测试推理,因此文化和语言背景很重要。

评分方式

各语言的准确率,由 Scale AI 发布。

注意事项

语言覆盖仅限于 Scale 选定的范围;英语很强的模型在这里也可能得分很低。

44 / 44
#
1Muse Spark 1.165.6%62.22026-07-09–
2GPT-5 Pro65.2%59.62025-11-06可能
3Gemini 3.1 Pro64.7%59.92026-03-25可能
4GPT-5.4 Pro62.3%63.12026-03-23可能
5Muse Spark59.0%64.22026-04-08可能
6Gemini 3 Pro59.0%60.02025-11-19可能
7GPT-5.4thinking58.3%–2026-03-10可能
8Claude Opus 4.6max57.1%57.02026-02-17可能
9GPT-552.1%56.62025-08-08可能
10o3-prohigh49.0%55.92025-06-26–
11GPT-5.1thinking49.0%54.62025-11-26可能
12Claude Opus 4.5thinking48.6%59.32025-11-26可能
13Claude Opus 4.6无推理48.3%58.42026-02-17可能
14o3high45.5%55.12025-04-16–
15Gemini 2.5 Pro45.1%55.22025-04-16–
16o3medium44.5%53.32025-05-24–
17GPT-5.242.2%56.72025-12-15可能
18Claude Opus 4.541.2%57.12025-11-26可能
19Claude Opus 4.1thinking38.4%58.12025-08-08可能
20Claude Sonnet 4.5thinking35.8%52.32025-10-02可能
21Kimi K2.535.2%54.62026-02-12可能
22Claude Opus 4thinking33.9%55.72025-05-23–
23Claude Opus 4.129.7%51.12025-08-08可能
24Claude Opus 429.0%51.92025-05-20–
25Claude Sonnet 4.528.1%53.82025-10-02可能
26Claude 3.7 Sonnetthinking27.8%52.92025-03-05–
27DeepSeek R1 052827.6%49.12025-03-05–
28Qwen3 235B A22B 2507thinking27.1%51.82025-08-05可能
29Gemini 3.1 Flash Lite25.0%52.62026-03-23可能
30DeepSeek R124.3%47.22025-06-05–
31GPT-5 mini23.9%56.62025-08-22可能
32DeepSeek V3.123.6%49.02025-08-26可能
33o4-minihigh22.2%51.22025-05-06–
34GPT-4.121.2%48.72025-03-31–
35Kimi K218.5%51.12025-07-24–
36Claude Sonnet 418.4%50.02025-05-23–
37GPT 5.1 Instant18.3%–2025-11-26可能
38Qwen3 235B A22B17.6%50.12025-07-24–
39GLM-4.517.4%51.62025-08-13可能
40gpt-oss-120b15.2%46.12025-08-13可能
41GPT-4o12.4%42.82025-05-23–
42GLM-4.5-Air10.4%46.72025-08-13可能
43gpt-oss-20b10.4%44.52025-08-13可能
44Llama 4 Maverick8.4%41.82025-04-17–

更多知识基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《MultiNRC 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scale_multinrc。

MultiNRC:常见问题

MultiNRC 衡量的是什么?
MultiNRC 用多种语言的母语者直接编写(而非从英语翻译)的题目测试推理,因此文化和语言背景很重要。分数以完成任务的百分比表示,越高越好。
MultiNRC 的最高分是多少?
截至 2026年11月16日,MultiNRC 的最高分为 65.6%,由 Muse Spark 1.1 取得(结果日期 2026年7月9日),领先于 GPT-5 Pro(65.2%)。分数来自 Scale AI SEAL,每天重新读取。
哪个 AI 模型在 MultiNRC 上领先?
截至 2026年11月16日,MultiNRC 排名第一的是 Muse Spark 1.1,分数为 65.6%(结果日期 2026年7月9日)。其后为 GPT-5 Pro(65.2%)。
有多少模型有 MultiNRC 结果?
BenchLeader 上有 44 个模型配置有 MultiNRC 结果,全部取自 Scale AI SEAL。
MultiNRC 由谁运行,多久更新一次?
MultiNRC 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。
MultiNRC 是否计入 BenchLeader Index?
计入。MultiNRC 计入 BenchLeader Index 的知识类别,并经过归一化,使参评模型的平均值为 50。