BenchLeader

SkillsBench 排行榜

其他搜索名称:SkillsBench (with skills) · Vals AI

截至 2026年11月16日,SkillsBench(又称 SkillsBench (with skills)) 的最高分为 69.8%,由 DeepSeek V4.1 Flash(DeepSeek)取得,领先于 Grok 4.5(66.0%)。共有 34 个模型配置公布了结果(Vals AI,结果日期 2026年10月29日)。智能体分别在有和没有可复用技能库的情况下完成任务;分数反映有技能库时的任务成功率。SkillsBench 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • DeepSeek V4.1 Flash 以 69.8% 保持 SkillsBench 最高分(Vals AI,2026年10月29日)。
  • Grok 4.5 以 66.0% 位列 SkillsBench 第二(Vals AI,2026年10月29日)。
  • SkillsBench:可复用的技能能在多大程度上帮助智能体完成任务。由 Vals AI 运行(Vals AI)。
  • BenchLeader 上有 34 个模型配置公布了 SkillsBench 结果(BenchLeader,2026年11月16日)。
  • SkillsBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

可复用的技能能在多大程度上帮助智能体完成任务。由 Vals AI 运行。

发布方
Vals AI
类别
智能体与工具
Index 权重
仅作参考
模型
34
数据截至
2026年11月16日

Vals AI (vals.ai).

测试内容

智能体分别在有和没有可复用技能库的情况下完成任务;分数反映有技能库时的任务成功率。

评分方式

完成任务的百分比,由 Vals AI 运行。

注意事项

衡量的是一种特定的智能体设计选择,而不是通用能力测试。

34 / 34
#
1DeepSeek V4.1 Flashhigh69.8%55.6$0.0852026-10-29
2Grok 4.5high66.0%56.8$0.5782026-10-29
3Gemini 3.7 Flashhigh65.9%62.1$1.802026-10-29
4GPT-5.562.6%61.0$1.572026-10-29
5GPT-5.5xhigh62.2%64.1$2.542026-10-29
6Claude Fable 5.1max61.5%66.7$4.522026-10-29
7GPT-5.6 Lunamax60.5%56.2$0.2072026-10-29
8Claude Opus 5max60.4%65.0$2.512026-10-29
9Claude Opus 4.8max59.2%61.1$4.772026-10-29
10Muse Spark 1.1xhigh59.2%59.5$0.4492026-10-29
11GPT-5.6 Terramax58.9%59.5$1.752026-10-29
12Gemini 3.8 Flashhigh58.0%59.4$2.342026-10-29
13Grok 4.6high55.8%60.6$0.9212026-10-29
14Qwen3.7 Plus54.3%57.6$0.1372026-10-29
15GPT-5.6 Solmax54.1%65.3$4.142026-10-29
16DeepSeek V4 Promax53.8%54.7$0.3752026-10-29
17Muse Spark 1.2xhigh53.0%61.5$0.6492026-10-29
18Gemini 3.5 Flashhigh52.7%62.5$1.252026-10-29
19GPT-5.4xhigh51.7%63.1$2.042026-10-29
20MiniMax M351.5%56.1$0.5052026-10-29
21DeepSeek V4 Flashhigh50.7%57.2$0.1262026-10-29
22Kimi K2.7 Code50.0%53.9$0.4432026-10-29
23Claude Sonnet 4.6max49.0%56.1$1.382026-10-29
24GLM 5.3max47.5%58.8$0.7142026-10-29
25Claude Sonnet 5max46.5%56.1$2.902026-10-29
26GLM 5.2max45.1%58.9$0.8112026-10-29
27Qwen3.8 Maxmax42.0%58.7$0.5252026-10-29
28Grok 4.3high40.6%56.5$0.4202026-10-29
29GLM 5.3 Flashmax40.2%52.4$0.0782026-10-29
30Qwen3.8 27Bxhigh38.1%52.2$0.8182026-10-29
31Inkling Small33.6%52.0$0.1482026-10-29
32Ling 3.0 Flash27.9%51.7$0.0612026-10-29
33Inkling26.1%50.4$0.8272026-10-29
34Mercury 2.5high18.1%–$0.1012026-10-29

更多智能体与工具基准测试 · 全部大模型基准测试

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

SkillsBench:常见问题

SkillsBench 衡量的是什么?
智能体分别在有和没有可复用技能库的情况下完成任务;分数反映有技能库时的任务成功率。分数以完成任务的百分比表示,越高越好。
SkillsBench 的最高分是多少?
截至 2026年11月16日,SkillsBench 的最高分为 69.8%,由 DeepSeek V4.1 Flash 取得(结果日期 2026年10月29日),领先于 Grok 4.5(66.0%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 SkillsBench 上领先?
截至 2026年11月16日,SkillsBench 排名第一的是 DeepSeek V4.1 Flash,分数为 69.8%(结果日期 2026年10月29日)。其后为 Grok 4.5(66.0%)。
有多少模型有 SkillsBench 结果?
BenchLeader 上有 34 个模型配置有 SkillsBench 结果,全部取自 Vals AI。
SkillsBench 由谁运行,多久更新一次?
SkillsBench 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。
SkillsBench 是否计入 BenchLeader Index?
不计入。SkillsBench 仅作参考展示,不计入综合分数。