Simple Bench 评测基准详情

随着大型语言模型（LLM）的飞速发展，如何准确、全面地评估它们的能力成为了一个日益重要的课题。在众多评测基准中，Simple Bench 以其独特的定位脱颖而出，它专注于检验模型在日常人类推理方面的能力，而在这些方面，当前最先进的模型往往还不如普通人。本文将详细介绍 Simple Bench 评测基准，探讨其出现的背景、设计理念、评测流程以及当前主流模型的表现。

Simple Bench

一个用于评估大模型常识水平的评测基准

问题数量 200
发布机构 个人
评测类别 常识推理
评测指标 Accuracy
支持语言 英文
难度等级 高难度

Simple Bench 大模型得分排行榜

数据来源：DataLearnerAI

排名
模型
得分
发布时间
参数(亿)
1
Google Deep Mind Logo
Gemini-2.5-Pro thinking
62.4
2025-06-05
0.0
Simple Bench得分 62.4
发布时间 2025-06-05
参数(亿) 0.0
查看模型详情
2
xAI Logo
Grok 4 thinking
60.5
2025-07-10
0.0
Simple Bench得分 60.5
发布时间 2025-07-10
参数(亿) 0.0
查看模型详情
3
Anthropic Logo
Claude Opus 4.1 thinking
60.0
2025-08-06
0.0
Simple Bench得分 60.0
发布时间 2025-08-06
参数(亿) 0.0
查看模型详情
4
Anthropic Logo
Claude Opus 4 thinking
58.8
2025-05-23
未知
Simple Bench得分 58.8
发布时间 2025-05-23
参数(亿) 未知
查看模型详情
5
OpenAI Logo
GPT-5 thinking
56.7
2025-08-07
0.0
Simple Bench得分 56.7
发布时间 2025-08-07
参数(亿) 0.0
查看模型详情
6
OpenAI Logo
OpenAI o3 thinking
53.1
2025-04-16
0.0
Simple Bench得分 53.1
发布时间 2025-04-16
参数(亿) 0.0
查看模型详情
7
Anthropic Logo
Claude Sonnet 3.7 thinking
46.4
2025-02-25
未知
Simple Bench得分 46.4
发布时间 2025-02-25
参数(亿) 未知
查看模型详情
8
Anthropic Logo
Claude Sonnet 4 thinking
45.5
2025-05-23
未知
Simple Bench得分 45.5
发布时间 2025-05-23
参数(亿) 未知
查看模型详情
9
Anthropic Logo
Claude Sonnet 3.7
44.9
2025-02-25
未知
Simple Bench得分 44.9
发布时间 2025-02-25
参数(亿) 未知
查看模型详情
10
DeepSeek-AI Logo
DeepSeek-R1-0528 thinking
40.8
2025-05-28
6710.0
Simple Bench得分 40.8
发布时间 2025-05-28
参数(亿) 6710.0
查看模型详情
11
OpenAI Logo
OpenAI o1 high
40.1
2024-12-05
未知
Simple Bench得分 40.1
发布时间 2024-12-05
参数(亿) 未知
查看模型详情
12
OpenAI Logo
OpenAI o4 - mini thinking
38.7
2025-04-16
未知
Simple Bench得分 38.7
发布时间 2025-04-16
参数(亿) 未知
查看模型详情
13
OpenAI Logo
GPT-4.5
34.5
2025-02-28
未知
Simple Bench得分 34.5
发布时间 2025-02-28
参数(亿) 未知
查看模型详情
14
阿里巴巴 Logo
Qwen3-235B-A22B thinking
31.0
2025-04-28
2350.0
Simple Bench得分 31.0
发布时间 2025-04-28
参数(亿) 2350.0
查看模型详情
15
DeepSeek-AI Logo
DeepSeek-V3-0324
27.2
2025-03-24
6810.0
Simple Bench得分 27.2
发布时间 2025-03-24
参数(亿) 6810.0
查看模型详情
16
OpenAI Logo
GPT-4.1
27.0
2025-04-14
未知
Simple Bench得分 27.0
发布时间 2025-04-14
参数(亿) 未知
查看模型详情
17
Moonshot AI Logo
Kimi K2
26.3
2025-07-11
10000.0
Simple Bench得分 26.3
发布时间 2025-07-11
参数(亿) 10000.0
查看模型详情
18
OpenAI Logo
OpenAI o3-mini thinking
22.8
2025-01-31
0.0
Simple Bench得分 22.8
发布时间 2025-01-31
参数(亿) 0.0
查看模型详情
19
OpenAI Logo
GPT OSS 120B thinking
22.1
2025-08-06
117.0
Simple Bench得分 22.1
发布时间 2025-08-06
参数(亿) 117.0
查看模型详情
20
DeepSeek-AI Logo
DeepSeek-V3
18.9
2024-12-26
6810.0
Simple Bench得分 18.9
发布时间 2024-12-26
参数(亿) 6810.0
查看模型详情