BenchLeader

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。

29 / 29
#
1Claude Opus 5.5max91.3%68.4$0.2832026-11-05
2GPT-6.1 Solmax90.5%66.6$0.0832026-11-05
3Claude Haiku 5.5max89.8%55.3$0.0162026-11-05
4Gemini 4 Argonhigh89.5%65.3$0.0752026-11-05
5GLM 5.3 Flashmax89.3%52.4$0.00642026-11-05
6Qwen3.7 Plus89.2%57.6$0.0202026-11-05
7Grok 4.7xhigh88.7%57.4$0.1102026-11-05
8Inkling 2 Small88.6%57.9$0.0182026-11-05
9Gemini 3.8 Flashhigh88.2%59.4$0.0762026-11-05
10Claude Sonnet 5.5max88.0%64.2$0.1602026-11-05
11GPT-5.6 Terramax87.0%59.5$0.1102026-11-05
12Kimi K3max86.8%60.2$0.2272026-11-05
13Ember-186.4%–$0.2052026-11-05
14Muse Spark Openxhigh85.8%53.5$0.0692026-11-05
15MiniMax M385.5%56.1$0.0152026-11-05
16Qwen3.5 397B A17B85.5%51.3$0.0132026-11-05
17DeepSeek V4.1 Flashmax85.4%58.5$0.0112026-11-05
18MiniMax M3.1 Flashmax85.3%–$0.00762026-11-05
19Qwen3.5 Flash84.9%51.8$0.00602026-11-05
20MiMo-V2.6-Pro84.5%57.5$0.0212026-11-05
21GPT-6 Lunamax83.4%55.1$0.00582026-11-05
22MiMo-V2.6-Flash83.3%54.8$0.00742026-11-05
23Gemini 3.1 Prohigh83.2%60.4$0.0542026-11-05
24Gemma 4 31Bhigh82.8%––2026-11-05
25Qwen3.8 Maxmax81.8%58.7$0.0872026-11-05
26Gemini 3.5 Flash Litehigh79.5%47.8$0.00952026-11-05
27Grok 4.1 Fastthinking74.5%55.3$0.00472026-11-05
28Mistral Medium 3.5high72.0%–$0.0742026-11-05
29Mistral Small 4high59.2%–$0.00352026-11-05

更多多模态基准测试 · 全部大模型基准测试

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。