TutorBench 排行榜
截至 2026年11月16日,TutorBench 的最高分为 68.5%,由 Muse Spark(Meta)取得,领先于 GPT-5.4 Pro(56.6%)。共有 27 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年4月8日)。TutorBench 要求模型担任高中和 AP 科目的辅导老师:讲解、给提示、批改学生作业,按评分标准评判。TutorBench 计入 BenchLeader Index 的指令遵循得分。
要点(截至 2026年11月16日)
- Muse Spark 以 68.5% 保持 TutorBench 最高分(Scale AI SEAL,2026年4月8日)。
- GPT-5.4 Pro 以 56.6% 位列 TutorBench 第二(Scale AI SEAL,2026年3月23日)。
- TutorBench:高中及 AP 课程的辅导任务。Scale AI(Scale AI SEAL)。
- BenchLeader 上有 27 个模型配置公布了 TutorBench 结果(BenchLeader,2026年11月16日)。
- TutorBench 计入 BenchLeader Index 的指令遵循类别(BenchLeader 方法论)。
高中及 AP 课程的辅导任务。Scale AI。
- 类别
- 指令遵循
- Index 权重
- 0.5
- 模型
- 27
- 数据截至
- 2026年11月16日
Scale AI SEAL Leaderboards.
测试内容
TutorBench 要求模型担任高中和 AP 科目的辅导老师:讲解、给提示、批改学生作业,按评分标准评判。
评分方式
按评分标准所得分数的百分比,由 Scale AI 发布。
注意事项
按评分标准评判教学,带有主观性;它奖励克制(给提示),而不是直接给出答案。
- 1Muse Spark68.5%
- 2GPT-5.4 Pro56.6%
- 3Gemini 2.5 Pro55.6%
- 4GPT-555.3%
- 5o3-pro54.6%
- 6Kimi K2.554.6%
- 7GPT-5.1 (thinking)54.1%
- 8Claude Opus 4.6 (max)53.7%
- 9Gemini 3 Pro53.7%
- 10Claude Opus 4.6 (none)53.5%
- 11GPT-5.253.5%
- 12Gemini 3.1 Pro53.0%
- 13o3 (medium)52.8%
- 14o3 (high)52.1%
- 15Gemini 3.1 Flash Lite51.5%
27 / 27
| # | ||||
|---|---|---|---|---|
| 1 | 68.5% | 64.2 | 2026-04-08 | |
| 2 | 56.6% | 63.1 | 2026-03-23 | |
| 3 | 55.6% | 55.2 | 2025-09-10 | |
| 4 | 55.3% | 56.6 | 2025-09-10 | |
| 5 | 54.6% | 49.9 | 2025-09-10 | |
| 6 | 54.6% | 54.6 | 2026-02-12 | |
| 7 | 54.1% | 54.6 | 2025-11-26 | |
| 8 | 53.7% | 57.0 | 2026-02-17 | |
| 9 | 53.7% | 60.0 | 2025-09-10 | |
| 10 | 53.5% | 58.4 | 2025-11-21 | |
| 11 | 53.5% | 56.7 | 2025-12-15 | |
| 12 | 53.0% | 59.9 | 2026-03-25 | |
| 13 | 52.8% | 53.3 | 2025-09-10 | |
| 14 | 52.1% | 55.1 | 2025-11-26 | |
| 15 | 51.5% | 52.6 | 2026-03-23 | |
| 16 | 51.2% | 59.3 | 2025-09-10 | |
| 17 | 50.8% | 58.1 | 2025-11-26 | |
| 18 | 49.8% | 57.1 | 2025-09-10 | |
| 19 | 49.7% | 55.7 | 2025-10-08 | |
| 20 | 49.1% | – | 2025-09-10 | |
| 21 | 49.0% | 52.3 | 2025-09-10 | |
| 22 | 47.4% | 51.1 | 2025-11-26 | |
| 23 | 46.5% | – | 2025-10-08 | |
| 24 | 45.7% | 53.8 | 2025-09-10 | |
| 25 | 45.5% | 51.9 | 2025-09-10 | |
| 26 | 40.2% | 41.8 | 2025-09-10 | |
| 27 | 36.1% | 42.8 | 2026-02-17 |
相关基准测试
TutorBench 上的热门模型对比
引用格式:BenchLeader,《TutorBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scale_tutorbench。
TutorBench:常见问题
- TutorBench 衡量的是什么?
- TutorBench 要求模型担任高中和 AP 科目的辅导老师:讲解、给提示、批改学生作业,按评分标准评判。分数以完成任务的百分比表示,越高越好。
- TutorBench 的最高分是多少?
- 截至 2026年11月16日,TutorBench 的最高分为 68.5%,由 Muse Spark 取得(结果日期 2026年4月8日),领先于 GPT-5.4 Pro(56.6%)。分数来自 Scale AI SEAL,每天重新读取。
- 哪个 AI 模型在 TutorBench 上领先?
- 截至 2026年11月16日,TutorBench 排名第一的是 Muse Spark,分数为 68.5%(结果日期 2026年4月8日)。其后为 GPT-5.4 Pro(56.6%)。
- 有多少模型有 TutorBench 结果?
- BenchLeader 上有 27 个模型配置有 TutorBench 结果,全部取自 Scale AI SEAL。
- TutorBench 由谁运行,多久更新一次?
- TutorBench 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。
- TutorBench 是否计入 BenchLeader Index?
- 计入。TutorBench 计入 BenchLeader Index 的指令遵循类别,并经过归一化,使参评模型的平均值为 50。