BenchLeader

MMLU-Pro 排行榜

截至 2026年11月16日,MMLU-Pro 的最高分为 92.4%,由 Claude Fable 5.1(Anthropic)取得,领先于 Claude Opus 5(91.6%)。共有 133 个模型配置公布了结果(Vals AI,结果日期 2026年9月1日)。MMLU-Pro 是 MMLU 的加难后继版本:约 12,000 道题,覆盖 14 个学科,每题十个选项,推理型题目更多,并剔除了原版中过于简单和有噪声的题目。MMLU-Pro 计入 BenchLeader Index 的知识得分。

要点(截至 2026年11月16日)

  • Claude Fable 5.1 以 92.4% 保持 MMLU-Pro 最高分(Vals AI,2026年9月1日)。
  • Claude Opus 5 以 91.6% 位列 MMLU-Pro 第二(Vals AI,2026年9月1日)。
  • MMLU-Pro:MMLU 的后继版本,更难、更侧重推理。由 Vals AI 运行(Vals AI)。
  • BenchLeader 上有 133 个模型配置公布了 MMLU-Pro 结果(BenchLeader,2026年11月16日)。
  • MMLU-Pro 计入 BenchLeader Index 的知识类别(BenchLeader 方法论)。

MMLU 的后继版本,更难、更侧重推理。由 Vals AI 运行。

发布方
Vals AI
类别
知识
Index 权重
1.0
模型
133
数据截至
2026年11月16日

Vals AI (vals.ai).

测试内容

MMLU-Pro 是 MMLU 的加难后继版本:约 12,000 道题,覆盖 14 个学科,每题十个选项,推理型题目更多,并剔除了原版中过于简单和有噪声的题目。

评分方式

准确率,由 Vals AI 运行。

注意事项

仍是选择题,所以考查的是识别能力;而且和所有广泛的知识考试一样,对前沿模型来说已接近饱和。

133 / 133
#
1Claude Fable 5.1max92.4%66.7$0.0982026-09-01
2Claude Opus 5max91.6%65.0$0.0282026-09-01
3Claude Fable 5max91.5%65.1$0.0822026-09-01
4Gemini 3.1 Prohigh91.0%60.4$0.0282026-09-01
5Gemini 3.8 Flashhigh90.2%59.4$0.0222026-09-01
6Gemini 3.7 Flashhigh90.1%62.1$0.0112026-09-01
7Gemini 3 Pro90.1%60.0$0.0372026-09-01
8Claude Opus 4.7max89.9%59.7$0.0622026-09-01
9Claude Opus 4.8max89.6%61.1$0.0612026-09-01
10Gemini 3.5 Flashhigh89.5%62.5$0.0252026-09-01
11Grok 4.6high89.4%60.6$0.0152026-09-01
12Qwen3.7max89.3%60.0$0.0172026-09-01
13Gemini 3.6 Flashhigh89.3%61.0$0.0132026-09-01
14Grok 4.5high89.2%56.8$0.0152026-09-01
15Claude Opus 4.6max89.1%57.0$0.0522026-09-01
16GPT-5.6 Solmax89.1%65.3$0.0322026-09-01
17Muse Spark 1.1xhigh88.7%59.5$0.0112026-09-01
18Qwen3.8 Maxmax88.6%58.7$0.0192026-09-01
19Gemini 3 Flashhigh88.6%57.4$0.0192026-09-01
20Muse Spark 1.2xhigh88.3%61.5$0.0112026-09-01
21GPT-5.5xhigh88.1%64.1$0.0282026-09-01
22Kimi K3max88.0%60.2$0.0212026-09-01
23Claude Opus 4.1thinking87.9%58.1$0.1242026-09-01
24Qwen3.6 Plus87.7%59.0$0.00882026-09-01
25Kimi K2.687.6%55.1$0.0182026-09-01
26Claude Sonnet 5max87.5%56.1$0.0432026-09-01
27GPT-5.4xhigh87.5%63.1$0.0512026-09-01
28Claude Sonnet 4.5thinking87.4%52.3$0.0402026-09-01
29Claude Sonnet 4.6max87.3%56.1$0.0662026-09-01
30Muse Spark87.3%64.2$0.00172026-09-01
31Claude Opus 4.5high87.3%59.7$0.2152026-09-01
32DeepSeek V4 Promax87.3%54.7$0.0272026-09-01
33Claude Opus 4.187.2%51.1$0.00712026-09-01
34Qwen3.5 Plusthinking87.2%57.4$0.00892026-09-01
35MiniMax-M2.187.0%53.8$0.00322026-09-01
36GLM 5.186.9%55.4$0.0122026-09-01
37GLM 5.3max86.8%58.8$0.0172026-09-01
38GLM 5.286.7%51.9$0.0142026-09-01
39GPT-5.6 Terraxhigh86.7%60.1$0.00802026-09-01
40GPT-5high86.5%58.2$0.0242026-09-01
41GPT-5.1high86.4%57.5$0.0192026-09-01
42Inkling86.3%50.4$0.0402026-09-01
43Grok 4.20thinking86.3%58.3$0.0132026-09-01
44Gemini 3.1 Flash Lite86.2%52.6$0.00112026-09-01
45GPT-5.2xhigh86.2%59.9$0.0372026-09-01
46DeepSeek V4 Flashhigh86.2%57.2$0.00272026-09-01
47Claude Opus 486.2%51.9$0.0502026-09-01
48GLM 5.3 Flashmax86.1%52.4$0.00112026-09-01
49GPT-5.6 Lunamax86.0%56.2$0.00282026-09-01
50GLM-5thinking86.0%60.2$0.0122026-09-01
51Kimi K2.5thinking85.9%59.4$0.00792026-09-01
52Grok 4.3high85.8%56.5$0.00952026-09-01
53Gemini 3.5 Flash Litehigh85.8%47.8$0.00452026-09-01
54Nemotron 3 Ultra 550B A55B85.8%55.4–2026-09-01
55o3high85.6%55.1$0.0122026-09-01
56Inkling Small85.6%52.0$0.00572026-09-01
57Grok 485.3%58.1$0.0502026-09-01
58Qwen3 Maxmax85.0%54.2$0.0272026-09-01
59DeepSeek V3.2thinking84.9%56.7$0.00112026-09-01
60MiMo-V2.5-Pro84.6%55.5$0.00212026-09-01

更多知识基准测试 · 全部大模型基准测试

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

MMLU-Pro:常见问题

MMLU-Pro 衡量的是什么?
MMLU-Pro 是 MMLU 的加难后继版本:约 12,000 道题,覆盖 14 个学科,每题十个选项,推理型题目更多,并剔除了原版中过于简单和有噪声的题目。分数以完成任务的百分比表示,越高越好。
MMLU-Pro 的最高分是多少?
截至 2026年11月16日,MMLU-Pro 的最高分为 92.4%,由 Claude Fable 5.1 取得(结果日期 2026年9月1日),领先于 Claude Opus 5(91.6%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 MMLU-Pro 上领先?
截至 2026年11月16日,MMLU-Pro 排名第一的是 Claude Fable 5.1,分数为 92.4%(结果日期 2026年9月1日)。其后为 Claude Opus 5(91.6%)。
有多少模型有 MMLU-Pro 结果?
BenchLeader 上有 133 个模型配置有 MMLU-Pro 结果,全部取自 Vals AI。
MMLU-Pro 由谁运行,多久更新一次?
MMLU-Pro 由 Vals AI 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。
MMLU-Pro 是否计入 BenchLeader Index?
计入。MMLU-Pro 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。