← 评测来源
LiveBench
官方评测 ↗LiveBench Global Average
题库持续更换，答案可以自动核对。用来看模型换题之后还能不能站住。
在 AIHOT 中交叉参考
证据预算不计分
上游数据时间09/08 03:32
最近成功同步09/10 06:31
它测什么，怎么测
保留官方 Global Average 作整体参考；正式分数使用互不重复的专项任务。
如何使用这份证据
原始 Global Average 留作参考；正式票改用互不重复的专项任务。
评测成绩
按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | claude-fable-5-1-max-effortAnthropic | 83.4% | Max 推理 |
| 2 | claude-fable-5-max-effortAnthropic | 83.0% | Max 推理 |
| 3 | gpt-6-astra-maxOpenAI | 82.2% | Max 推理 |
| 4 | muse-spark-1.3-xhighMeta | 81.6% | xHigh 推理 |
| 5 | gpt-5.6-sol-maxOpenAI | 81.1% | Max 推理 |
| 6 | gpt-5.5-xhighOpenAI | 80.2% | xHigh 推理 |
| 7 | claude-opus-5-max-effortAnthropic | 80.1% | Max 推理 |
| 8 | smaug-agenticAbacus.AI | 79.5% | 来源默认配置 |
| 9 | kimi-k3Moonshot AI | 79.2% | 来源默认配置 |
| 10 | gemini-3.7-flash-highGoogle | 78.8% | High 推理 |
| 11 | qwen3.8-maxAlibaba | 78.5% | 来源默认配置 |
| 12 | grok-4.6xAI | 78.0% | 来源默认配置 |
| 13 | gpt-5.4-xhighOpenAI | 78.0% | xHigh 推理 |
| 14 | muse-spark-1.2-xhighMeta | 78.0% | xHigh 推理 |
| 15 | gpt-5.6-terra-maxOpenAI | 77.9% | Max 推理 |
| 16 | deepseek-v4-pro-0813DeepSeek | 77.4% | 来源默认配置 |
| 17 | smaug-flashAbacus.AI | 77.4% | 来源默认配置 |
| 18 | gemini-3.1-pro-preview-highGoogle | 77.0% | High 推理 |
| 19 | smaug-miniAbacus.AI | 76.9% | 来源默认配置 |
| 20 | deepseek-v4-flash-vision-expDeepSeek | 76.8% | 来源默认配置 |
| 21 | claude-opus-4-7-xhigh-effortAnthropic | 76.5% | xHigh 推理 |
| 22 | claude-opus-4-8-max-effortAnthropic | 76.2% | Max 推理 |
| 23 | qwen3.8-flash-nextAlibaba | 76.2% | 来源默认配置 |
| 24 | glm-5.3Z.ai | 76.1% | 来源默认配置 |
| 25 | claude-sonnet-5-xhigh-effortAnthropic | 76.0% | xHigh 推理 |
| 26 | gemini-3.8-flash-highGoogle | 75.8% | High 推理 |
| 27 | grok-4.5xAI | 75.8% | 来源默认配置 |
| 28 | muse-spark-1.1-xhighMeta | 75.3% | xHigh 推理 |
| 29 | qwen3.8-27bAlibaba | 75.3% | 来源默认配置 |
| 30 | gemini-3.5-flash-highGoogle | 74.6% | High 推理 |
评测局限与数据署名
综合均分会稀释特定能力的变化；仅交叉参考，不重复计票。组织参与方 Abacus.AI 同时开发 Smaug 模型，其独家成绩需要其他独立来源补充。
数据许可：Apache 2.0
成绩由 LiveBench 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。