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。
- 1DeepSeek V4.1 Flash (high)69.8%
- 2Grok 4.5 (high)66.0%
- 3Gemini 3.7 Flash (high)65.9%
- 4GPT-5.562.6%
- 5GPT-5.5 (xhigh)62.2%
- 6Claude Fable 5.1 (max)61.5%
- 7GPT-5.6 Luna (max)60.5%
- 8Claude Opus 5 (max)60.4%
- 9Claude Opus 4.8 (max)59.2%
- 10Muse Spark 1.1 (xhigh)59.2%
- 11GPT-5.6 Terra (max)58.9%
- 12Gemini 3.8 Flash (high)58.0%
- 13Grok 4.6 (high)55.8%
- 14Qwen3.7 Plus54.3%
- 15GPT-5.6 Sol (max)54.1%
34 / 34
| # | |||||
|---|---|---|---|---|---|
| 1 | 69.8% | 55.6 | $0.085 | 2026-10-29 | |
| 2 | 66.0% | 56.8 | $0.578 | 2026-10-29 | |
| 3 | 65.9% | 62.1 | $1.80 | 2026-10-29 | |
| 4 | 62.6% | 61.0 | $1.57 | 2026-10-29 | |
| 5 | 62.2% | 64.1 | $2.54 | 2026-10-29 | |
| 6 | 61.5% | 66.7 | $4.52 | 2026-10-29 | |
| 7 | 60.5% | 56.2 | $0.207 | 2026-10-29 | |
| 8 | 60.4% | 65.0 | $2.51 | 2026-10-29 | |
| 9 | 59.2% | 61.1 | $4.77 | 2026-10-29 | |
| 10 | 59.2% | 59.5 | $0.449 | 2026-10-29 | |
| 11 | 58.9% | 59.5 | $1.75 | 2026-10-29 | |
| 12 | 58.0% | 59.4 | $2.34 | 2026-10-29 | |
| 13 | 55.8% | 60.6 | $0.921 | 2026-10-29 | |
| 14 | 54.3% | 57.6 | $0.137 | 2026-10-29 | |
| 15 | 54.1% | 65.3 | $4.14 | 2026-10-29 | |
| 16 | 53.8% | 54.7 | $0.375 | 2026-10-29 | |
| 17 | 53.0% | 61.5 | $0.649 | 2026-10-29 | |
| 18 | 52.7% | 62.5 | $1.25 | 2026-10-29 | |
| 19 | 51.7% | 63.1 | $2.04 | 2026-10-29 | |
| 20 | 51.5% | 56.1 | $0.505 | 2026-10-29 | |
| 21 | 50.7% | 57.2 | $0.126 | 2026-10-29 | |
| 22 | 50.0% | 53.9 | $0.443 | 2026-10-29 | |
| 23 | 49.0% | 56.1 | $1.38 | 2026-10-29 | |
| 24 | 47.5% | 58.8 | $0.714 | 2026-10-29 | |
| 25 | 46.5% | 56.1 | $2.90 | 2026-10-29 | |
| 26 | 45.1% | 58.9 | $0.811 | 2026-10-29 | |
| 27 | 42.0% | 58.7 | $0.525 | 2026-10-29 | |
| 28 | 40.6% | 56.5 | $0.420 | 2026-10-29 | |
| 29 | 40.2% | 52.4 | $0.078 | 2026-10-29 | |
| 30 | 38.1% | 52.2 | $0.818 | 2026-10-29 | |
| 31 | 33.6% | 52.0 | $0.148 | 2026-10-29 | |
| 32 | 27.9% | 51.7 | $0.061 | 2026-10-29 | |
| 33 | 26.1% | 50.4 | $0.827 | 2026-10-29 | |
| 34 | 18.1% | – | $0.101 | 2026-10-29 |
相关基准测试
SkillsBench 上的热门模型对比
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。