AI大模型评测排行榜

排名	模型							开源情况
	Claude Sonnet 5.5 Anthropic	70.60	64.50	—	—	—	—	闭源	详情
	Claude Opus 5.5 Anthropic	66.40	67.70	93.33	—	—	—	闭源	详情
	GPT-6 Astra OpenAI	58.18	57.20	95.00	97.60	—	—	闭源	详情
4	Claude Fable 5.1 Anthropic	57.88	65.00	90.00	—	—	—	闭源	详情
5	Gemini 4 Argon Google DeepMind	57.40	—	—	—	—	—	闭源	详情
6	Claude Opus 5 Anthropic	53.94	63.60	90.42	73.17	96.00	—	闭源	详情
7	Claude Fable 5 Anthropic	44.55	59.00	89.17	87.80	95.00	—	闭源	详情
8	GPT-6 Sol OpenAI	43.94	—	89.58	—	—	—	闭源	详情
9	GLM-5.3 智谱AI	41.82	62.50	—	29.27	—	—	有条件商用	详情
10	Grok 4.7 xAI	38.00	—	—	—	—	—	闭源	详情
11	GPT-5.6 Sol OpenAI	37.27	44.50	92.50	83.00	—	—	闭源	详情
12	MiMo-V2.6-Pro 小米	34.85	—	—	—	—	—	免费商用	详情
13	Step 5 Preview StepFunAI	33.30	59.40	—	—	—	—	闭源	详情
14	Muse Spark 1.3 Facebook AI研究实验室	33.30	—	—	—	—	—	闭源	详情
15	GLM-5.3-Flash 智谱AI	32.80	55.30	65.83	17.07	—	—	免费商用	详情
16	MiMo-V2.6-Flash 小米	28.80	—	—	—	—	—	免费商用	详情
17	SWE-2 Cognition	27.30	—	—	—	—	—	闭源	详情
18	DeepSeek-V4.1-Flash DeepSeek-AI	26.80	63.90	—	—	—	—	免费商用	详情
19	Qwen3.8-Flash-Next 阿里巴巴	25.30	35.90	—	—	—	—	有条件商用	详情
20	Claude Opus 4.8 Anthropic	23.64	57.90	72.08	56.10	88.60	—	闭源	详情
21	GPT-5.6 Terra OpenAI	21.52	—	83.90	70.73	—	—	闭源	详情
22	Grok 4.6 xAI	20.30	—	67.08	31.71	—	—	闭源	详情
23	Gemini 3.8 Flash Google DeepMind	19.70	44.52	89.17	—	—	—	闭源	详情
24	Qwen3.8-Max 阿里巴巴	18.70	56.20	—	46.34	—	—	有条件商用	详情
25	GPT-5.6 Luna OpenAI	17.27	—	59.54	60.98	—	—	闭源	详情
26	DeepSeek-V4-Pro DeepSeek-AI	14.60	48.20	—	2.44	80.60	—	免费商用	详情
27	GPT-5.5 OpenAI	14.60	52.20	85.00	72.50	—	—	闭源	详情
28	Gemini 3.7 Flash Google DeepMind	13.60	—	84.58	36.59	—	—	闭源	详情
29	GPT-6 Luna OpenAI	12.63	—	59.31	—	—	—	闭源	详情
30	Kimi K3 Moonshot AI	12.60	59.80	60.42	39.02	—	—	有条件商用	详情
31	GPT-5.5 Instant OpenAI	12.60	—	—	—	—	—	闭源	详情
32	Claude Sonnet 5 Anthropic	12.42	57.40	—	29.27	85.20	—	闭源	详情
33	Grok 4.5 xAI	12.42	—	52.64	24.39	—	—	闭源	详情
34	Gemini 3.6 Flash Google DeepMind	7.10	—	60.42	21.95	—	—	闭源	详情
35	Muse Spark 1.2 Facebook AI研究实验室	7.10	—	—	—	—	—	闭源	详情
36	Gemini 3.5 Flash Google DeepMind	6.60	40.20	72.08	26.83	—	—	闭源	详情
37	Muse Spark 1.1 Facebook AI研究实验室	6.10	62.10	—	—	—	—	闭源	详情
38	Qwen3.8-27B 阿里巴巴	5.60	30.80	—	—	—	—	免费商用	详情
39	Gemini 3.1 Pro Preview Google DeepMind	4.00	51.40	77.10	—	80.60	90.80	闭源	详情
40	DeepSeek-V4-Flash DeepSeek-AI	3.00	51.50	—	—	79.00	—	免费商用	详情
41	Claude Sonnet 4.6 Anthropic	3.00	49.00	60.42	—	79.60	—	闭源	详情
42	GLM 5.1 智谱AI	2.00	52.30	—	—	—	—	免费商用	详情
43	GPT-5.4 mini OpenAI	2.00	41.50	18.90	9.76	—	—	闭源	详情
44	MiniMax M3 MiniMaxAI	2.00	—	—	—	—	—	不可商用	详情
45	Qwen3.7 Max 阿里巴巴	1.50	53.50	—	—	80.40	—	闭源	详情
46	GLM-5.2 智谱AI	1.00	54.70	—	29.27	—	—	免费商用	详情
47	Inkling Thinking Machines Lab	1.00	46.00	—	4.88	77.60	—	免费商用	详情
48	Gemini 3.5 Flash-Lite Google DeepMind	1.00	—	10.28	—	—	—	闭源	详情
49	Kimi K2.7 Code Moonshot AI	1.00	—	—	—	—	—	免费商用	详情
50	Qwen3.7-Plus 阿里巴巴	1.00	—	—	—	—	—	闭源	详情

Claude Sonnet 5.5 Anthropic

Terminal-Bench 4.070.60

HLE64.50

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Claude Opus 5.5 Anthropic

Terminal-Bench 4.066.40

HLE67.70

ARC-AGI-293.33

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

GPT-6 Astra OpenAI

Terminal-Bench 4.058.18

HLE57.20

ARC-AGI-295.00

FrontierMath Tier 4 v297.60

SWE-bench Verified—

τ²-Bench—

闭源

Claude Fable 5.1 Anthropic

Terminal-Bench 4.057.88

HLE65.00

ARC-AGI-290.00

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 4 Argon Google DeepMind

Terminal-Bench 4.057.40

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Claude Opus 5 Anthropic

Terminal-Bench 4.053.94

HLE63.60

ARC-AGI-290.42

FrontierMath Tier 4 v273.17

SWE-bench Verified96.00

τ²-Bench—

闭源

Claude Fable 5 Anthropic

Terminal-Bench 4.044.55

HLE59.00

ARC-AGI-289.17

FrontierMath Tier 4 v287.80

SWE-bench Verified95.00

τ²-Bench—

闭源

GPT-6 Sol OpenAI

Terminal-Bench 4.043.94

HLE—

ARC-AGI-289.58

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

GLM-5.3 智谱AI

Terminal-Bench 4.041.82

HLE62.50

ARC-AGI-2—

FrontierMath Tier 4 v229.27

SWE-bench Verified—

τ²-Bench—

有条件商用

Grok 4.7 xAI

Terminal-Bench 4.038.00

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5.6 Sol OpenAI

Terminal-Bench 4.037.27

HLE44.50

ARC-AGI-292.50

FrontierMath Tier 4 v283.00

SWE-bench Verified—

τ²-Bench—

闭源

MiMo-V2.6-Pro 小米

Terminal-Bench 4.034.85

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

免费商用

Step 5 Preview StepFunAI

Terminal-Bench 4.033.30

HLE59.40

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Muse Spark 1.3 Facebook AI研究实验室

Terminal-Bench 4.033.30

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

GLM-5.3-Flash 智谱AI

Terminal-Bench 4.032.80

HLE55.30

ARC-AGI-265.83

FrontierMath Tier 4 v217.07

SWE-bench Verified—

τ²-Bench—

免费商用

MiMo-V2.6-Flash 小米

Terminal-Bench 4.028.80

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

免费商用

SWE-2 Cognition

Terminal-Bench 4.027.30

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

DeepSeek-V4.1-Flash DeepSeek-AI

Terminal-Bench 4.026.80

HLE63.90

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

免费商用

Qwen3.8-Flash-Next 阿里巴巴

Terminal-Bench 4.025.30

HLE35.90

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

有条件商用

Claude Opus 4.8 Anthropic

Terminal-Bench 4.023.64

HLE57.90

ARC-AGI-272.08

FrontierMath Tier 4 v256.10

SWE-bench Verified88.60

τ²-Bench—

闭源

GPT-5.6 Terra OpenAI

Terminal-Bench 4.021.52

HLE—

ARC-AGI-283.90

FrontierMath Tier 4 v270.73

SWE-bench Verified—

τ²-Bench—

闭源

Grok 4.6 xAI

Terminal-Bench 4.020.30

HLE—

ARC-AGI-267.08

FrontierMath Tier 4 v231.71

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 3.8 Flash Google DeepMind

Terminal-Bench 4.019.70

HLE44.52

ARC-AGI-289.17

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Qwen3.8-Max 阿里巴巴

Terminal-Bench 4.018.70

HLE56.20

ARC-AGI-2—

FrontierMath Tier 4 v246.34

SWE-bench Verified—

τ²-Bench—

有条件商用

GPT-5.6 Luna OpenAI

Terminal-Bench 4.017.27

HLE—

ARC-AGI-259.54

FrontierMath Tier 4 v260.98

SWE-bench Verified—

τ²-Bench—

闭源

DeepSeek-V4-Pro DeepSeek-AI

Terminal-Bench 4.014.60

HLE48.20

ARC-AGI-2—

FrontierMath Tier 4 v22.44

SWE-bench Verified80.60

τ²-Bench—

免费商用

GPT-5.5 OpenAI

Terminal-Bench 4.014.60

HLE52.20

ARC-AGI-285.00

FrontierMath Tier 4 v272.50

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 3.7 Flash Google DeepMind

Terminal-Bench 4.013.60

HLE—

ARC-AGI-284.58

FrontierMath Tier 4 v236.59

SWE-bench Verified—

τ²-Bench—

闭源

GPT-6 Luna OpenAI

Terminal-Bench 4.012.63

HLE—

ARC-AGI-259.31

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Kimi K3 Moonshot AI

Terminal-Bench 4.012.60

HLE59.80

ARC-AGI-260.42

FrontierMath Tier 4 v239.02

SWE-bench Verified—

τ²-Bench—

有条件商用

GPT-5.5 Instant OpenAI

Terminal-Bench 4.012.60

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Claude Sonnet 5 Anthropic

Terminal-Bench 4.012.42

HLE57.40

ARC-AGI-2—

FrontierMath Tier 4 v229.27

SWE-bench Verified85.20

τ²-Bench—

闭源

Grok 4.5 xAI

Terminal-Bench 4.012.42

HLE—

ARC-AGI-252.64

FrontierMath Tier 4 v224.39

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 3.6 Flash Google DeepMind

Terminal-Bench 4.07.10

HLE—

ARC-AGI-260.42

FrontierMath Tier 4 v221.95

SWE-bench Verified—

τ²-Bench—

闭源

Muse Spark 1.2 Facebook AI研究实验室

Terminal-Bench 4.07.10

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 3.5 Flash Google DeepMind

Terminal-Bench 4.06.60

HLE40.20

ARC-AGI-272.08

FrontierMath Tier 4 v226.83

SWE-bench Verified—

τ²-Bench—

闭源

Muse Spark 1.1 Facebook AI研究实验室

Terminal-Bench 4.06.10

HLE62.10

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Qwen3.8-27B 阿里巴巴

Terminal-Bench 4.05.60

HLE30.80

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

免费商用

Gemini 3.1 Pro Preview Google DeepMind

Terminal-Bench 4.04.00

HLE51.40

ARC-AGI-277.10

FrontierMath Tier 4 v2—

SWE-bench Verified80.60

τ²-Bench90.80

闭源

DeepSeek-V4-Flash DeepSeek-AI

Terminal-Bench 4.03.00

HLE51.50

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified79.00

τ²-Bench—

免费商用

Claude Sonnet 4.6 Anthropic

Terminal-Bench 4.03.00

HLE49.00

ARC-AGI-260.42

FrontierMath Tier 4 v2—

SWE-bench Verified79.60

τ²-Bench—

闭源

GLM 5.1 智谱AI

Terminal-Bench 4.02.00

HLE52.30

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

免费商用

GPT-5.4 mini OpenAI

Terminal-Bench 4.02.00

HLE41.50

ARC-AGI-218.90

FrontierMath Tier 4 v29.76

SWE-bench Verified—

τ²-Bench—

闭源

MiniMax M3 MiniMaxAI

Terminal-Bench 4.02.00

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

不可商用

Qwen3.7 Max 阿里巴巴

Terminal-Bench 4.01.50

HLE53.50

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified80.40

τ²-Bench—

闭源

GLM-5.2 智谱AI

Terminal-Bench 4.01.00

HLE54.70

ARC-AGI-2—

FrontierMath Tier 4 v229.27

SWE-bench Verified—

τ²-Bench—

免费商用

Inkling Thinking Machines Lab

Terminal-Bench 4.01.00

HLE46.00

ARC-AGI-2—

FrontierMath Tier 4 v24.88

SWE-bench Verified77.60

τ²-Bench—

免费商用

Gemini 3.5 Flash-Lite Google DeepMind

Terminal-Bench 4.01.00

HLE—

ARC-AGI-210.28

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Kimi K2.7 Code Moonshot AI

Terminal-Bench 4.01.00

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

免费商用

Qwen3.7-Plus 阿里巴巴

Terminal-Bench 4.01.00

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

排序：

已显示 50 / 283 个模型查看 Terminal-Bench 4.0 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。