SAGE 排行榜
截至 2026年11月16日,SAGE 的最高分为 91.3%,由 Claude Opus 5.5(Anthropic)取得,领先于 GPT-6.1 Sol(90.5%)。共有 29 个模型配置公布了结果(Vals AI,结果日期 2026年11月5日)。必须按评分标准批改学生手写数学作业的图片,既要认出手写内容,又要检查推理过程。SAGE 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Opus 5.5 以 91.3% 保持 SAGE 最高分(Vals AI,2026年11月5日)。
- GPT-6.1 Sol 以 90.5% 位列 SAGE 第二(Vals AI,2026年11月5日)。
- SAGE:根据图片批改手写的数学作答。由 Vals AI 运行(Vals AI)。
- BenchLeader 上有 29 个模型配置公布了 SAGE 结果(BenchLeader,2026年11月16日)。
- SAGE 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
根据图片批改手写的数学作答。由 Vals AI 运行。
- 发布方
- Vals AI
- 类别
- 多模态
- Index 权重
- 仅作参考
- 模型
- 29
- 数据截至
- 2026年11月16日
Vals AI (vals.ai).
测试内容
必须按评分标准批改学生手写数学作业的图片,既要认出手写内容,又要检查推理过程。
评分方式
与专家评分的一致程度,由 Vals AI 运行。
注意事项
手写质量和图片分辨率会影响结果。
- 1Claude Opus 5.5 (max)91.3%
- 2GPT-6.1 Sol (max)90.5%
- 3Claude Haiku 5.5 (max)89.8%
- 4Gemini 4 Argon (high)89.5%
- 5GLM 5.3 Flash (max)89.3%
- 6Qwen3.7 Plus89.2%
- 7Grok 4.7 (xhigh)88.7%
- 8Inkling 2 Small88.6%
- 9Gemini 3.8 Flash (high)88.2%
- 10Claude Sonnet 5.5 (max)88.0%
- 11GPT-5.6 Terra (max)87.0%
- 12Kimi K3 (max)86.8%
- 13Ember-186.4%
- 14Muse Spark Open (xhigh)85.8%
- 15MiniMax M385.5%
29 / 29
| # | |||||
|---|---|---|---|---|---|
| 1 | 91.3% | 68.4 | $0.283 | 2026-11-05 | |
| 2 | 90.5% | 66.6 | $0.083 | 2026-11-05 | |
| 3 | 89.8% | 55.3 | $0.016 | 2026-11-05 | |
| 4 | 89.5% | 65.3 | $0.075 | 2026-11-05 | |
| 5 | 89.3% | 52.4 | $0.0064 | 2026-11-05 | |
| 6 | 89.2% | 57.6 | $0.020 | 2026-11-05 | |
| 7 | 88.7% | 57.4 | $0.110 | 2026-11-05 | |
| 8 | 88.6% | 57.9 | $0.018 | 2026-11-05 | |
| 9 | 88.2% | 59.4 | $0.076 | 2026-11-05 | |
| 10 | 88.0% | 64.2 | $0.160 | 2026-11-05 | |
| 11 | 87.0% | 59.5 | $0.110 | 2026-11-05 | |
| 12 | 86.8% | 60.2 | $0.227 | 2026-11-05 | |
| 13 | Ember-1 | 86.4% | – | $0.205 | 2026-11-05 |
| 14 | 85.8% | 53.5 | $0.069 | 2026-11-05 | |
| 15 | 85.5% | 56.1 | $0.015 | 2026-11-05 | |
| 16 | 85.5% | 51.3 | $0.013 | 2026-11-05 | |
| 17 | 85.4% | 58.5 | $0.011 | 2026-11-05 | |
| 18 | 85.3% | – | $0.0076 | 2026-11-05 | |
| 19 | 84.9% | 51.8 | $0.0060 | 2026-11-05 | |
| 20 | 84.5% | 57.5 | $0.021 | 2026-11-05 | |
| 21 | 83.4% | 55.1 | $0.0058 | 2026-11-05 | |
| 22 | 83.3% | 54.8 | $0.0074 | 2026-11-05 | |
| 23 | 83.2% | 60.4 | $0.054 | 2026-11-05 | |
| 24 | 82.8% | – | – | 2026-11-05 | |
| 25 | 81.8% | 58.7 | $0.087 | 2026-11-05 | |
| 26 | 79.5% | 47.8 | $0.0095 | 2026-11-05 | |
| 27 | 74.5% | 55.3 | $0.0047 | 2026-11-05 | |
| 28 | 72.0% | – | $0.074 | 2026-11-05 | |
| 29 | 59.2% | – | $0.0035 | 2026-11-05 |
相关基准测试
SAGE 上的热门模型对比
引用格式:BenchLeader,《SAGE 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_sage。
SAGE:常见问题
- SAGE 衡量的是什么?
- 必须按评分标准批改学生手写数学作业的图片,既要认出手写内容,又要检查推理过程。分数以完成任务的百分比表示,越高越好。
- SAGE 的最高分是多少?
- 截至 2026年11月16日,SAGE 的最高分为 91.3%,由 Claude Opus 5.5 取得(结果日期 2026年11月5日),领先于 GPT-6.1 Sol(90.5%)。分数来自 Vals AI,每天重新读取。
- 哪个 AI 模型在 SAGE 上领先?
- 截至 2026年11月16日,SAGE 排名第一的是 Claude Opus 5.5,分数为 91.3%(结果日期 2026年11月5日)。其后为 GPT-6.1 Sol(90.5%)。
- 有多少模型有 SAGE 结果?
- BenchLeader 上有 29 个模型配置有 SAGE 结果,全部取自 Vals AI。
- SAGE 由谁运行,多久更新一次?
- SAGE 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。
- SAGE 是否计入 BenchLeader Index?
- 不计入。SAGE 仅作参考展示,不计入综合分数。