AI大模型评测排行榜

排名	模型							开源情况
	Muse Spark 1.2 Facebook AI研究实验室	90.30	—	—	—	—	—	闭源	详情
	Muse Spark 1.1 Facebook AI研究实验室	88.10	62.10	—	—	—	—	闭源	详情
	Claude Fable 5.1 Anthropic	87.20	65.00	90.00	—	—	—	闭源	详情
4	Claude Opus 5 Anthropic	85.80	63.60	90.42	73.17	96.00	—	闭源	详情
5	Step 5 Preview StepFunAI	85.60	59.40	—	—	—	—	闭源	详情
6	Hy4 preview 腾讯AI实验室	83.70	55.40	—	—	—	—	免费商用	详情
7	Gemini 3.5 Flash Google DeepMind	83.60	40.20	72.08	26.83	—	—	闭源	详情
8	Claude Fable 5 Anthropic	83.30	59.00	89.17	87.80	95.00	—	闭源	详情
9	Kimi K3 Moonshot AI	82.30	59.80	60.42	39.02	—	—	有条件商用	详情
10	Muse Spark Facebook AI研究实验室	82.20	58.00	42.50	—	77.40	—	闭源	详情
11	Claude Opus 4.8 Anthropic	82.20	57.90	72.08	56.10	88.60	—	闭源	详情
12	GPT-5.6 Sol OpenAI	81.80	44.50	92.50	83.00	—	—	闭源	详情
13	Opus 4.7 Anthropic	79.10	54.70	75.80	31.71	87.60	—	闭源	详情
14	Hy3 腾讯AI实验室	79.10	53.20	—	—	78.00	—	免费商用	详情
15	Gemini 3.1 Pro Preview Google DeepMind	78.20	51.40	77.10	—	80.60	90.80	闭源	详情
16	GLM-5.2 智谱AI	77.80	54.70	—	29.27	—	—	免费商用	详情
17	Claude Opus 4.6 Anthropic	76.80	53.00	69.17	26.83	80.84	91.89	闭源	详情
18	Qwen3.7 Max 阿里巴巴	76.40	53.50	—	—	80.40	—	闭源	详情
19	Inkling Thinking Machines Lab	76.00	46.00	—	4.88	77.60	—	免费商用	详情
20	Kimi K2.7 Code Moonshot AI	76.00	—	—	—	—	—	免费商用	详情
21	GLM 5.1 智谱AI	75.60	52.30	—	—	—	—	免费商用	详情
22	Muse Glimmer-30B Facebook AI研究实验室	75.50	22.00	—	—	76.00	—	免费商用	详情
23	GPT-5.5 OpenAI	75.30	52.20	85.00	72.50	—	—	闭源	详情
24	MiniMax M3 MiniMaxAI	74.20	—	—	—	—	—	不可商用	详情
25	GPT-5.4 OpenAI	70.60	52.10	77.10	49.00	—	—	闭源	详情
26	Gemini 3.0 Pro (Preview 11-2025) Google DeepMind	70.30	45.80	45.10	—	76.20	85.40	闭源	详情
27	Opus 4.5 Anthropic	69.80	43.20	37.64	4.88	80.90	81.99	闭源	详情
28	Claude Sonnet 4.6 Anthropic	69.50	49.00	60.42	—	79.60	—	闭源	详情
29	Kimi K2.6 Moonshot AI	69.40	54.00	—	—	80.20	—	免费商用	详情
30	GPT-5.2 OpenAI	67.60	45.50	54.20	31.70	80.00	82.00	闭源	详情
31	Kimi K2.5 Moonshot AI	64.40	50.20	11.81	—	76.80	—	免费商用	详情
32	Gemini 3.0 Flash Google DeepMind	62.00	43.50	33.60	—	68.70	90.20	闭源	详情
33	Claude Sonnet 4.5 Anthropic	59.50	33.60	13.61	2.44	82.00	84.70	闭源	详情
34	GLM-4.7 智谱AI	58.10	42.80	—	—	73.80	87.40	免费商用	详情
35	Gemini 3.1 Flash-Lite Google DeepMind	57.10	8.64	—	—	—	—	闭源	详情
36	GPT-5.4 mini OpenAI	56.70	41.50	18.90	9.76	—	—	闭源	详情
37	Spark-X2.5-4B 科大讯飞	54.60	12.30	—	—	41.60	75.10	免费商用	详情
38	GPT-5.1 OpenAI	50.10	42.70	17.64	—	76.30	—	闭源	详情
39	o3-pro OpenAI	44.50	21.00	4.86	—	75.00	—	闭源	详情
40	Haiku 4.5 Anthropic	40.20	9.70	4.50	—	73.30	33.00	闭源	详情
41	Qwen3-30B-A3B-2507 阿里巴巴	—	9.80	—	—	22.00	49.00	免费商用	详情
42	Claude Sonnet 4 Anthropic	—	9.60	5.93	—	80.20	52.00	闭源	详情
43	OpenAI o1 OpenAI	—	9.10	—	—	48.90	—	闭源	详情
44	MiniCPM5-2B OpenBMB	—	8.90	—	—	46.40	—	免费商用	详情
45	Gemma 4 26B A4B Google DeepMind	—	17.20	—	—	—	68.20	免费商用	详情
46	DeepSeek V3.2-Exp DeepSeek-AI	—	20.30	—	—	67.80	66.70	免费商用	详情
47	MiniMax-M1-80k MiniMaxAI	—	8.40	—	—	56.00	—	免费商用	详情
48	Gemini 2.5 Flash Google DeepMind	—	12.08	—	—	50.00	—	闭源	详情
49	GLM-4.5 智谱AI	—	14.40	—	—	64.20	—	免费商用	详情
50	GLM-4.5-Air 智谱AI	—	10.60	—	—	57.60	—	免费商用	详情

Muse Spark 1.2 Facebook AI研究实验室

MCP-Atlas90.30

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Muse Spark 1.1 Facebook AI研究实验室

MCP-Atlas88.10

HLE62.10

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Claude Fable 5.1 Anthropic

MCP-Atlas87.20

HLE65.00

ARC-AGI-290.00

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Claude Opus 5 Anthropic

MCP-Atlas85.80

HLE63.60

ARC-AGI-290.42

FrontierMath Tier 4 v273.17

SWE-bench Verified96.00

τ²-Bench—

闭源

Step 5 Preview StepFunAI

MCP-Atlas85.60

HLE59.40

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Hy4 preview 腾讯AI实验室

MCP-Atlas83.70

HLE55.40

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

免费商用

Gemini 3.5 Flash Google DeepMind

MCP-Atlas83.60

HLE40.20

ARC-AGI-272.08

FrontierMath Tier 4 v226.83

SWE-bench Verified—

τ²-Bench—

闭源

Claude Fable 5 Anthropic

MCP-Atlas83.30

HLE59.00

ARC-AGI-289.17

FrontierMath Tier 4 v287.80

SWE-bench Verified95.00

τ²-Bench—

闭源

Kimi K3 Moonshot AI

MCP-Atlas82.30

HLE59.80

ARC-AGI-260.42

FrontierMath Tier 4 v239.02

SWE-bench Verified—

τ²-Bench—

有条件商用

Muse Spark Facebook AI研究实验室

MCP-Atlas82.20

HLE58.00

ARC-AGI-242.50

FrontierMath Tier 4 v2—

SWE-bench Verified77.40

τ²-Bench—

闭源

Claude Opus 4.8 Anthropic

MCP-Atlas82.20

HLE57.90

ARC-AGI-272.08

FrontierMath Tier 4 v256.10

SWE-bench Verified88.60

τ²-Bench—

闭源

GPT-5.6 Sol OpenAI

MCP-Atlas81.80

HLE44.50

ARC-AGI-292.50

FrontierMath Tier 4 v283.00

SWE-bench Verified—

τ²-Bench—

闭源

Opus 4.7 Anthropic

MCP-Atlas79.10

HLE54.70

ARC-AGI-275.80

FrontierMath Tier 4 v231.71

SWE-bench Verified87.60

τ²-Bench—

闭源

Hy3 腾讯AI实验室

MCP-Atlas79.10

HLE53.20

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified78.00

τ²-Bench—

免费商用

Gemini 3.1 Pro Preview Google DeepMind

MCP-Atlas78.20

HLE51.40

ARC-AGI-277.10

FrontierMath Tier 4 v2—

SWE-bench Verified80.60

τ²-Bench90.80

闭源

GLM-5.2 智谱AI

MCP-Atlas77.80

HLE54.70

ARC-AGI-2—

FrontierMath Tier 4 v229.27

SWE-bench Verified—

τ²-Bench—

免费商用

Claude Opus 4.6 Anthropic

MCP-Atlas76.80

HLE53.00

ARC-AGI-269.17

FrontierMath Tier 4 v226.83

SWE-bench Verified80.84

τ²-Bench91.89

闭源

Qwen3.7 Max 阿里巴巴

MCP-Atlas76.40

HLE53.50

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified80.40

τ²-Bench—

闭源

Inkling Thinking Machines Lab

MCP-Atlas76.00

HLE46.00

ARC-AGI-2—

FrontierMath Tier 4 v24.88

SWE-bench Verified77.60

τ²-Bench—

免费商用

Kimi K2.7 Code Moonshot AI

MCP-Atlas76.00

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

免费商用

GLM 5.1 智谱AI

MCP-Atlas75.60

HLE52.30

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

免费商用

Muse Glimmer-30B Facebook AI研究实验室

MCP-Atlas75.50

HLE22.00

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified76.00

τ²-Bench—

免费商用

GPT-5.5 OpenAI

MCP-Atlas75.30

HLE52.20

ARC-AGI-285.00

FrontierMath Tier 4 v272.50

SWE-bench Verified—

τ²-Bench—

闭源

MiniMax M3 MiniMaxAI

MCP-Atlas74.20

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

不可商用

GPT-5.4 OpenAI

MCP-Atlas70.60

HLE52.10

ARC-AGI-277.10

FrontierMath Tier 4 v249.00

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 3.0 Pro (Preview 11-2025)Google DeepMind

MCP-Atlas70.30

HLE45.80

ARC-AGI-245.10

FrontierMath Tier 4 v2—

SWE-bench Verified76.20

τ²-Bench85.40

闭源

Opus 4.5 Anthropic

MCP-Atlas69.80

HLE43.20

ARC-AGI-237.64

FrontierMath Tier 4 v24.88

SWE-bench Verified80.90

τ²-Bench81.99

闭源

Claude Sonnet 4.6 Anthropic

MCP-Atlas69.50

HLE49.00

ARC-AGI-260.42

FrontierMath Tier 4 v2—

SWE-bench Verified79.60

τ²-Bench—

闭源

Kimi K2.6 Moonshot AI

MCP-Atlas69.40

HLE54.00

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified80.20

τ²-Bench—

免费商用

GPT-5.2 OpenAI

MCP-Atlas67.60

HLE45.50

ARC-AGI-254.20

FrontierMath Tier 4 v231.70

SWE-bench Verified80.00

τ²-Bench82.00

闭源

Kimi K2.5 Moonshot AI

MCP-Atlas64.40

HLE50.20

ARC-AGI-211.81

FrontierMath Tier 4 v2—

SWE-bench Verified76.80

τ²-Bench—

免费商用

Gemini 3.0 Flash Google DeepMind

MCP-Atlas62.00

HLE43.50

ARC-AGI-233.60

FrontierMath Tier 4 v2—

SWE-bench Verified68.70

τ²-Bench90.20

闭源

Claude Sonnet 4.5 Anthropic

MCP-Atlas59.50

HLE33.60

ARC-AGI-213.61

FrontierMath Tier 4 v22.44

SWE-bench Verified82.00

τ²-Bench84.70

闭源

GLM-4.7 智谱AI

MCP-Atlas58.10

HLE42.80

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified73.80

τ²-Bench87.40

免费商用

Gemini 3.1 Flash-Lite Google DeepMind

MCP-Atlas57.10

HLE8.64

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5.4 mini OpenAI

MCP-Atlas56.70

HLE41.50

ARC-AGI-218.90

FrontierMath Tier 4 v29.76

SWE-bench Verified—

τ²-Bench—

闭源

Spark-X2.5-4B 科大讯飞

MCP-Atlas54.60

HLE12.30

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified41.60

τ²-Bench75.10

免费商用

GPT-5.1 OpenAI

MCP-Atlas50.10

HLE42.70

ARC-AGI-217.64

FrontierMath Tier 4 v2—

SWE-bench Verified76.30

τ²-Bench—

闭源

o3-pro OpenAI

MCP-Atlas44.50

HLE21.00

ARC-AGI-24.86

FrontierMath Tier 4 v2—

SWE-bench Verified75.00

τ²-Bench—

闭源

Haiku 4.5 Anthropic

MCP-Atlas40.20

HLE9.70

ARC-AGI-24.50

FrontierMath Tier 4 v2—

SWE-bench Verified73.30

τ²-Bench33.00

闭源

Qwen3-30B-A3B-2507 阿里巴巴

MCP-Atlas—

HLE9.80

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified22.00

τ²-Bench49.00

免费商用

Claude Sonnet 4 Anthropic

MCP-Atlas—

HLE9.60

ARC-AGI-25.93

FrontierMath Tier 4 v2—

SWE-bench Verified80.20

τ²-Bench52.00

闭源

OpenAI o1 OpenAI

MCP-Atlas—

HLE9.10

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified48.90

τ²-Bench—

闭源

MiniCPM5-2B OpenBMB

MCP-Atlas—

HLE8.90

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified46.40

τ²-Bench—

免费商用

Gemma 4 26B A4B Google DeepMind

MCP-Atlas—

HLE17.20

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench68.20

免费商用

DeepSeek V3.2-Exp DeepSeek-AI

MCP-Atlas—

HLE20.30

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified67.80

τ²-Bench66.70

免费商用

MiniMax-M1-80k MiniMaxAI

MCP-Atlas—

HLE8.40

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified56.00

τ²-Bench—

免费商用

Gemini 2.5 Flash Google DeepMind

MCP-Atlas—

HLE12.08

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified50.00

τ²-Bench—

闭源

GLM-4.5 智谱AI

MCP-Atlas—

HLE14.40

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified64.20

τ²-Bench—

免费商用

GLM-4.5-Air 智谱AI

MCP-Atlas—

HLE10.60

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified57.60

τ²-Bench—

免费商用

排序：

已显示 50 / 283 个模型查看 MCP-Atlas 基准测试完整页面

排行榜常见问题

排行榜的数据来源是什么？

所有得分来自一手出处：模型官方 model card、技术报告、论文、厂商博客与可复现的第三方评测。每一行均链回对应的模型详情页，可查看原始引用。

为什么同一模型在不同基准上分数差异很大？

每个基准测的能力不一样：推理类（HLE、ARC-AGI-2）、数学类（AIME、FrontierMath）、编程类（SWE-bench Verified）、Agent 工具使用类（τ²-Bench）等。模型在某一能力上专门优化后，往往会牺牲另一些能力，因此排行榜按基准分别展示，而不是合并成一个分数。

排行榜多久更新一次？

数据每 5 分钟自动重新校验一次；新模型或新评测结果一旦公开就会同步收录。页面顶部的"数据更新于"指示器反映最近一次数据刷新时间。

综合排名应该怎么解读？

综合榜聚合了模型在多个核心基准上的位次，可作为初筛工具。但落地选型时建议进入与你业务最相关的单项基准查看，例如 Coding Agent 看 SWE-bench Verified、工具调用场景看 τ²-Bench。

开源大模型和闭源 API 模型怎么对比？

使用顶部的"许可"筛选切换为"全部"，开源与闭源模型可在同一基准列直接对比。除分数外，还需考虑总持有成本：闭源模型按 API 用量计费，开源模型则需衡量自部署的硬件与运维成本。

截至 2026年10月，AA 智能指数前列模型包括 Claude Opus 5.5 (max with fallback)、Claude Opus 5.5 (xhigh with fallback)、Claude Sonnet 5.5 (max with fallback)，该指数汇总编程、推理、科学等 10 项标准化评测。

LMArena 文本生成榜当前靠前的模型包括 gemini-4-argon-high、Claude Opus 4.6 (high)、claude-fable-5-high，排名基于真人匿名 A/B 投票。

下方可按数学、编程、Agent 等分类查看单项排名。数据口径说明见数据方法论，延伸阅读见大模型分析博客。