BenchLeader

SREBench 排行榜

截至 2026年11月16日,SREBench 的最高分为 56.9%,由 GPT-6 Astra(OpenAI)取得,领先于 GPT-6.1 Sol(50.8%)。共有 36 个模型配置公布了结果(Vals AI,结果日期 2026年11月5日)。给智能体一个出了故障的系统,它必须像值班工程师那样找出并修复故障。SREBench 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • GPT-6 Astra 以 56.9% 保持 SREBench 最高分(Vals AI,2026年11月5日)。
  • GPT-6.1 Sol 以 50.8% 位列 SREBench 第二(Vals AI,2026年11月5日)。
  • SREBench:诊断并修复站点可靠性(SRE)事故。由 Vals AI 运行(Vals AI)。
  • BenchLeader 上有 36 个模型配置公布了 SREBench 结果(BenchLeader,2026年11月16日)。
  • SREBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

诊断并修复站点可靠性(SRE)事故。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
36
数据截至
2026年11月16日

Vals AI (vals.ai).

测试内容

给智能体一个出了故障的系统,它必须像值班工程师那样找出并修复故障。

评分方式

解决事故的百分比,由 Vals AI 运行。

注意事项

测量过的模型很少;任务耗时长,分数波动大。

36 / 36
#
1GPT-6 Astramax56.9%67.3$10.242026-11-05
2GPT-6.1 Solmax50.8%66.6$2.692026-11-05
3Gemini 4 Argonhigh44.3%65.3$30.452026-11-05
4Claude Opus 5.5max33.6%68.4$26.482026-11-05
5Daybreak Bluemax31.7%–$54.342026-11-05
6GPT-5.6 Solmax30.5%65.3$42.522026-11-05
7GPT-6 Solmax30.5%62.6$20.652026-11-05
8Claude Sonnet 5.5max30.1%64.2$17.272026-11-05
9Kimi K3.1 Promax27.1%59.9$27.392026-11-05
10Claude Fable 5.1max22.9%66.7$32.232026-11-05
11Claude Opus 5max12.2%65.0$23.632026-11-05
12Muse Wonder Fullmax11.8%61.7$33.812026-11-05
13Gemini 3.8 Flashhigh11.1%59.4$27.462026-11-05
14GPT-5.6 Terramax9.5%59.5$30.862026-11-05
15GLM 5.3max9.2%58.8$27.472026-11-05
16Claude Haiku 5.5max5.7%55.3$3.142026-11-05
17Gemini 3.7 Flashhigh4.6%62.1$21.472026-11-05
18MiMo-V2.6-Flash4.2%54.8$0.3952026-11-05
19GPT-5.5xhigh3.8%64.1$17.772026-11-05
20Muse Spark 1.3max3.8%60.6$25.862026-11-05
21Grok 4.7xhigh3.8%57.4$64.772026-11-05
22MiMo-V2.6-Pro3.0%57.5$0.5332026-11-05
23GPT-6 Lunamax2.7%55.1$1.552026-11-05
24Hy42.3%56.7$4.902026-11-05
25Inkling 2 Small1.9%57.9$6.672026-11-05
26DeepSeek V4 Promax1.9%54.7$5.582026-11-05
27GPT-5.6 Lunamax1.5%56.2$3.442026-11-05
28DeepSeek V4.1 Flashmax0.8%58.5$0.5492026-11-05
29Grok 4.5high0.8%56.8$13.422026-11-05
30GLM 5.3 Flashmax0.8%52.4$2.292026-11-05
31Claude Sonnet 5max0.4%56.1$18.492026-11-05
32Step 5 Preview0.4%56.0$3.072026-11-05
33Muse Spark 1.2xhigh0.0%61.5$23.432026-11-05
34Gemini 3.1 Prohigh0.0%60.4$11.342026-11-05
35GLM 5.2max0.0%58.9$26.582026-11-05
36Inkling0.0%50.4$2.232026-11-05

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,《SREBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_srebench。

SREBench:常见问题

SREBench 衡量的是什么?
给智能体一个出了故障的系统,它必须像值班工程师那样找出并修复故障。分数以完成任务的百分比表示,越高越好。
SREBench 的最高分是多少?
截至 2026年11月16日,SREBench 的最高分为 56.9%,由 GPT-6 Astra 取得(结果日期 2026年11月5日),领先于 GPT-6.1 Sol(50.8%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 SREBench 上领先?
截至 2026年11月16日,SREBench 排名第一的是 GPT-6 Astra,分数为 56.9%(结果日期 2026年11月5日)。其后为 GPT-6.1 Sol(50.8%)。
有多少模型有 SREBench 结果?
BenchLeader 上有 36 个模型配置有 SREBench 结果,全部取自 Vals AI。
SREBench 由谁运行,多久更新一次?
SREBench 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。
SREBench 是否计入 BenchLeader Index?
不计入。SREBench 仅作参考展示,不计入综合分数。