BenchLeader

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。

发布方
Scale AI SEAL
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。

27 / 27
#
1Muse Spark68.5%64.22026-04-08
2GPT-5.4 Pro56.6%63.12026-03-23
3Gemini 2.5 Pro55.6%55.22025-09-10
4GPT-555.3%56.62025-09-10
5o3-pro54.6%49.92025-09-10
6Kimi K2.554.6%54.62026-02-12
7GPT-5.1thinking54.1%54.62025-11-26
8Claude Opus 4.6max53.7%57.02026-02-17
9Gemini 3 Pro53.7%60.02025-09-10
10Claude Opus 4.6无推理53.5%58.42025-11-21
11GPT-5.253.5%56.72025-12-15
12Gemini 3.1 Pro53.0%59.92026-03-25
13o3medium52.8%53.32025-09-10
14o3high52.1%55.12025-11-26
15Gemini 3.1 Flash Lite51.5%52.62026-03-23
16Claude Opus 4.5thinking51.2%59.32025-09-10
17Claude Opus 4.1thinking50.8%58.12025-11-26
18Claude Opus 4.549.8%57.12025-09-10
19Claude Opus 4thinking49.7%55.72025-10-08
20GPT 5.1 Instant49.1%–2025-09-10
21Claude Sonnet 4.5thinking49.0%52.32025-09-10
22Claude Opus 4.147.4%51.12025-11-26
23Claude 37 Sonnetthinking46.5%–2025-10-08
24Claude Sonnet 4.545.7%53.82025-09-10
25Claude Opus 445.5%51.92025-09-10
26Llama 4 Maverick40.2%41.82025-09-10
27GPT-4o36.1%42.82026-02-17

更多指令遵循基准测试 · 全部大模型基准测试

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。