DataLearner 标志DataLearnerAI
最新AI资讯
大模型排行榜
大模型评测基准
大模型列表
大模型对比
资源中心
工具
语言中文
DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台,持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例,为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款

AI大模型评测排行榜

聚合 ARC-AGI-2、AIME 2025、SWE-bench Verified 等主流评测的实时排名,按综合、数学、编程、Agent 等维度快速筛选。

查看评测基准详情数据更新于 2026-04-17 10:15:23

截至 2026年4月,AA 智能指数前列模型包括 Gemini 3.1 Pro Preview、GPT-5.4、GPT-5.3 Codex,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 Claude Opus 4.6、Claude Opus 4.6、Muse Spark,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。

综合排名

目前没有一个被普遍认可的"AI 模型综合排名",因此我们选取了两个具有代表性、且切入角度不同的综合榜单并列展示。Artificial Analysis 智能指数(AA Intelligence Index)汇总编程、数学、推理等 10 项标准化评测的跑分,衡量模型的客观能力;LMArena(原 Chatbot Arena)基于全球用户匿名盲测 A/B 投票得出的 Elo 分数,反映真实使用体感。两者分别提供客观基准与主观偏好的视角。

AA Intelligence Index

完整排名

汇总编程、数学、科学、推理、智能体等 10 项标准化评测的综合分数。

数据更新于 2026年04月17日

#模型分数
1
Google Deep Mind
Gemini 3.1 Pro PreviewGoogle Deep Mind
57
2
OpenAI
GPT-5.4OpenAI
57
3
OpenAI
GPT-5.3 CodexOpenAI
54
4
Anthropic
Claude Opus 4.6Anthropic
53
5
F
Muse SparkFacebook AI研究实验室
52
6
Anthropic
Claude Sonnet 4.6Anthropic
52
7
智
GLM 5.1智谱AI
51
8
阿
Qwen 3.6 Plus Preview阿里巴巴
50
9
智
GLM-5智谱AI
50
10
MiniMaxAI
MiniMax-M2.7MiniMaxAI
50
来源:Artificial Analysis

LMArena Text Generation

单项评测排名

按数学、编程、Agent 等维度筛选排名。下方可切换评测基准,也可直接进入分类排行榜查看完整排名。 查看全部评测基准。

评测方向
综合排名
ARC-AGI-2HLEMMLU Pro进入全部基准列表
数学
AIME 2025FrontierMathMATH-500进入数学能力排行榜
编程
完整排名

基于匿名众包 A/B 对战的 Elo 评分,反映真实用户对回答质量的偏好。

数据更新于 2026年04月14日

#模型Elo
1
Anthropic
Claude Opus 4.6Anthropic
1502
2
Anthropic
Claude Opus 4.6Anthropic
1496
3
F
Muse SparkFacebook AI研究实验室
1495
4
Google Deep Mind
Gemini 3.1 Pro PreviewGoogle Deep Mind
1493
5
Google Deep Mind
Gemini 3.0 Pro (Preview 11-2025)Google Deep Mind
1486
6
xAI
grok-4.20-beta1xAI
1485
7
OpenAI
gpt-5.4-highOpenAI
1481
8
xAI
grok-4.20-beta-0309-reasoningxAI
1479
9
OpenAI
gpt-5.2-chat-latest-20260210OpenAI
1476
10
xAI
grok-4.20-multi-agent-beta-0309xAI
1476
来源:LMArena
SWE-bench Verified
LiveCodeBench
SWE-Bench Pro
进入编程能力排行榜
Agent
τ²-BenchTerminal Bench 2.0Aider-Polyglot进入 Agent 能力排行榜
参数规模:全部3B及以下7B13B34B65B100B及以上
模型类型:全部推理大模型基座大模型指令优化/聊天优化大模型编程大模型
开源:全部开源闭源

大模型性能评测结果

数据来源:DataLearnerAI
暂无图表数据
排名模型参数(亿)开源情况
1
Gemma 4 31B
—26.50——76.9031B免费商用
2
Gemma 4 26B A4B
—17.20——68.2025.2B免费商用
3
Phi-4-mini-instruct (3.8B)
—————38B免费商用
4
Qwen2.5-3B
—————30B免费商用
5
Llama-3.2-3B
—————32B免费商用
6
Phi-4-instruct (reasoning-trained)
—————38B不开源
1
Gemma 4 31B
31B
ARC-AGI-2—
HLE26.50
AIME2025—
SWE-bench Verified—
τ²-Bench76.90
免费商用
2
Gemma 4 26B A4B
25.2B
ARC-AGI-2—
HLE17.20
AIME2025—
SWE-bench Verified—
τ²-Bench68.20
免费商用
3
Phi-4-mini-instruct (3.8B)
38B
ARC-AGI-2—
HLE—
AIME2025—
SWE-bench Verified—
τ²-Bench—
免费商用
4
Qwen2.5-3B
30B
ARC-AGI-2—
HLE—
AIME2025—
SWE-bench Verified—
τ²-Bench—
免费商用
5
Llama-3.2-3B
32B
ARC-AGI-2—
HLE—
AIME2025—
SWE-bench Verified—
τ²-Bench—
免费商用
6
Phi-4-instruct (reasoning-trained)
38B
ARC-AGI-2—
HLE—
AIME2025—
SWE-bench Verified—
τ²-Bench—
不开源
排序: