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。
- 1Claude Fable 5.1 (max)92.4%
- 2Claude Opus 5 (max)91.6%
- 3Claude Fable 5 (max)91.5%
- 4Gemini 3.1 Pro (high)91.0%
- 5Gemini 3.8 Flash (high)90.2%
- 6Gemini 3.7 Flash (high)90.1%
- 7Gemini 3 Pro90.1%
- 8Claude Opus 4.7 (max)89.9%
- 9Claude Opus 4.8 (max)89.6%
- 10Gemini 3.5 Flash (high)89.5%
- 11Grok 4.6 (high)89.4%
- 12Qwen3.7 (max)89.3%
- 13Gemini 3.6 Flash (high)89.3%
- 14Grok 4.5 (high)89.2%
- 15Claude Opus 4.6 (max)89.1%
133 / 133
| # | |||||
|---|---|---|---|---|---|
| 1 | 92.4% | 66.7 | $0.098 | 2026-09-01 | |
| 2 | 91.6% | 65.0 | $0.028 | 2026-09-01 | |
| 3 | 91.5% | 65.1 | $0.082 | 2026-09-01 | |
| 4 | 91.0% | 60.4 | $0.028 | 2026-09-01 | |
| 5 | 90.2% | 59.4 | $0.022 | 2026-09-01 | |
| 6 | 90.1% | 62.1 | $0.011 | 2026-09-01 | |
| 7 | 90.1% | 60.0 | $0.037 | 2026-09-01 | |
| 8 | 89.9% | 59.7 | $0.062 | 2026-09-01 | |
| 9 | 89.6% | 61.1 | $0.061 | 2026-09-01 | |
| 10 | 89.5% | 62.5 | $0.025 | 2026-09-01 | |
| 11 | 89.4% | 60.6 | $0.015 | 2026-09-01 | |
| 12 | 89.3% | 60.0 | $0.017 | 2026-09-01 | |
| 13 | 89.3% | 61.0 | $0.013 | 2026-09-01 | |
| 14 | 89.2% | 56.8 | $0.015 | 2026-09-01 | |
| 15 | 89.1% | 57.0 | $0.052 | 2026-09-01 | |
| 16 | 89.1% | 65.3 | $0.032 | 2026-09-01 | |
| 17 | 88.7% | 59.5 | $0.011 | 2026-09-01 | |
| 18 | 88.6% | 58.7 | $0.019 | 2026-09-01 | |
| 19 | 88.6% | 57.4 | $0.019 | 2026-09-01 | |
| 20 | 88.3% | 61.5 | $0.011 | 2026-09-01 | |
| 21 | 88.1% | 64.1 | $0.028 | 2026-09-01 | |
| 22 | 88.0% | 60.2 | $0.021 | 2026-09-01 | |
| 23 | 87.9% | 58.1 | $0.124 | 2026-09-01 | |
| 24 | 87.7% | 59.0 | $0.0088 | 2026-09-01 | |
| 25 | 87.6% | 55.1 | $0.018 | 2026-09-01 | |
| 26 | 87.5% | 56.1 | $0.043 | 2026-09-01 | |
| 27 | 87.5% | 63.1 | $0.051 | 2026-09-01 | |
| 28 | 87.4% | 52.3 | $0.040 | 2026-09-01 | |
| 29 | 87.3% | 56.1 | $0.066 | 2026-09-01 | |
| 30 | 87.3% | 64.2 | $0.0017 | 2026-09-01 | |
| 31 | 87.3% | 59.7 | $0.215 | 2026-09-01 | |
| 32 | 87.3% | 54.7 | $0.027 | 2026-09-01 | |
| 33 | 87.2% | 51.1 | $0.0071 | 2026-09-01 | |
| 34 | 87.2% | 57.4 | $0.0089 | 2026-09-01 | |
| 35 | 87.0% | 53.8 | $0.0032 | 2026-09-01 | |
| 36 | 86.9% | 55.4 | $0.012 | 2026-09-01 | |
| 37 | 86.8% | 58.8 | $0.017 | 2026-09-01 | |
| 38 | 86.7% | 51.9 | $0.014 | 2026-09-01 | |
| 39 | 86.7% | 60.1 | $0.0080 | 2026-09-01 | |
| 40 | 86.5% | 58.2 | $0.024 | 2026-09-01 | |
| 41 | 86.4% | 57.5 | $0.019 | 2026-09-01 | |
| 42 | 86.3% | 50.4 | $0.040 | 2026-09-01 | |
| 43 | 86.3% | 58.3 | $0.013 | 2026-09-01 | |
| 44 | 86.2% | 52.6 | $0.0011 | 2026-09-01 | |
| 45 | 86.2% | 59.9 | $0.037 | 2026-09-01 | |
| 46 | 86.2% | 57.2 | $0.0027 | 2026-09-01 | |
| 47 | 86.2% | 51.9 | $0.050 | 2026-09-01 | |
| 48 | 86.1% | 52.4 | $0.0011 | 2026-09-01 | |
| 49 | 86.0% | 56.2 | $0.0028 | 2026-09-01 | |
| 50 | 86.0% | 60.2 | $0.012 | 2026-09-01 | |
| 51 | 85.9% | 59.4 | $0.0079 | 2026-09-01 | |
| 52 | 85.8% | 56.5 | $0.0095 | 2026-09-01 | |
| 53 | 85.8% | 47.8 | $0.0045 | 2026-09-01 | |
| 54 | 85.8% | 55.4 | – | 2026-09-01 | |
| 55 | 85.6% | 55.1 | $0.012 | 2026-09-01 | |
| 56 | 85.6% | 52.0 | $0.0057 | 2026-09-01 | |
| 57 | 85.3% | 58.1 | $0.050 | 2026-09-01 | |
| 58 | 85.0% | 54.2 | $0.027 | 2026-09-01 | |
| 59 | 84.9% | 56.7 | $0.0011 | 2026-09-01 | |
| 60 | 84.6% | 55.5 | $0.0021 | 2026-09-01 |
相关基准测试
MMLU-Pro 上的热门模型对比
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。