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 2026-04-22 21:51:17

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

Gemini 3.1 Pro PreviewGoogle Deep Mind

GPT-5.4OpenAI

GPT-5.3 CodexOpenAI

Claude Opus 4.6Anthropic

Muse SparkFacebook AI研究实验室

Claude Sonnet 4.6Anthropic

智

GLM 5.1智谱AI

阿

Qwen 3.6 Plus Preview阿里巴巴

智

GLM-5智谱AI

MiniMax-M2.7MiniMaxAI

来源：Artificial Analysis

LMArena Text Generation

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

Claude Opus 4.6Anthropic

1502

Claude Opus 4.6Anthropic

1496

Muse SparkFacebook AI研究实验室

1495

Gemini 3.1 Pro PreviewGoogle Deep Mind

1493

Gemini 3.0 Pro (Preview 11-2025)Google Deep Mind

1486

grok-4.20-beta1xAI

1485

gpt-5.4-highOpenAI

1481

grok-4.20-beta-0309-reasoningxAI

1479

gpt-5.2-chat-latest-20260210OpenAI

1476

grok-4.20-multi-agent-beta-0309xAI

1476

来源：LMArena

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-2 HLE MMLU Pro 进入全部基准列表

数学

AIME 2025 FrontierMath MATH-500 进入数学能力排行榜

编程

SWE-bench Verified LiveCodeBench SWE-Bench Pro 进入编程能力排行榜

Agent

τ²-Bench Terminal Bench 2.0 Aider-Polyglot 进入 Agent 能力排行榜

参数规模:全部 3B及以下 7B 13B 34B 65B 100B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

排名	模型						参数(亿)	开源情况
1	Claude Sonnet 4.6	58.30	49.00	—	79.60	—	—	不开源
2	GPT-5.2	54.20	45.50	100.00	80.00	82.00	—	不开源
3	Gemini 3.0 Flash	33.60	43.50	99.70	68.70	90.20	—	不开源
4	Claude Sonnet 4.5	13.60	33.60	100.00	82.00	84.70	—	不开源
5	GLM-5	4.90	50.40	—	77.80	89.70	7440B	免费商用
6	Qwen3-235B-A22B-2507	1.30	—	70.30	—	—	2350B	免费商用
7	Phi-4-mini-instruct (3.8B)	—	—	—	—	—	38B	免费商用
8	Llama3-70B	—	—	—	—	—	700B	免费商用
9	Grok-1.5	—	—	—	—	—	—	不开源
10	Llama3.1-8B-Instruct	—	—	—	—	—	80B	免费商用
11	Moonlight-16B-A3B-Instruct	—	—	—	—	—	160B	免费商用
12	Mistral-7B-Instruct-v0.3	—	—	—	—	—	70B	免费商用
13	Claude Mythos Preview	—	64.70	—	93.90	—	—	不开源
14	Llama3-70B-Instruct	—	—	—	—	—	700B	免费商用
15	Mixtral-8x22B-Instruct-v0.1	—	—	—	—	—	1410B	免费商用
16	Qwen3.6-Max-Preview	—	—	—	—	—	10000B	不开源
17	Qwen3-Next	—	—	69.50	—	—	800B	免费商用
18	Grok 4 Heavy	—	44.40	100.00	73.50	—	—	不开源
19	Gemini 2.5 Deep Think	—	34.80	99.20	—	—	—	不开源
20	Kimi K2 0905	—	21.70	75.20	69.20	—	10000B	免费商用
21	Grok 4 Fast	—	20.00	92.00	—	—	—	不开源
22	Claude Sonnet 3.7	—	10.30	54.80	70.30	61.80	—	不开源
23	Step 3.5 Flash	—	—	99.80	74.40	88.20	1960B	免费商用
24	Gemini 2.5 Flash-Preview-09-2025	—	—	—	54.00	—	—	不开源
25	GPT-4.1 mini	—	—	—	23.60	53.00	—	不开源
26	Hunyuan-7B	—	—	75.30	—	—	70B	免费商用
27	Grok 3	—	—	77.10	—	—	—	不开源
28	Qwen3-4B-Thinking-2507	—	—	81.30	—	—	40B	免费商用
29	Qwen3-4B-2507	—	—	47.40	—	—	40B	免费商用
30	GPT-4.1 nano	—	—	—	—	—	—	不开源

Claude Sonnet 4.6

ARC-AGI-258.30

HLE49.00

AIME2025—

SWE-bench Verified79.60

τ²-Bench—

不开源

GPT-5.2

ARC-AGI-254.20

HLE45.50

AIME2025100.00

SWE-bench Verified80.00

τ²-Bench82.00

不开源

Gemini 3.0 Flash

ARC-AGI-233.60

HLE43.50

AIME202599.70

SWE-bench Verified68.70

τ²-Bench90.20

不开源

Claude Sonnet 4.5

ARC-AGI-213.60

HLE33.60

AIME2025100.00

SWE-bench Verified82.00

τ²-Bench84.70

不开源

GLM-5

7440B

ARC-AGI-24.90

HLE50.40

AIME2025—

SWE-bench Verified77.80

τ²-Bench89.70

免费商用

Qwen3-235B-A22B-2507

2350B

ARC-AGI-21.30

HLE—

AIME202570.30

SWE-bench Verified—

τ²-Bench—

免费商用

Phi-4-mini-instruct (3.8B)

38B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Llama3-70B

700B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Grok-1.5

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

不开源

Llama3.1-8B-Instruct

80B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Moonlight-16B-A3B-Instruct

160B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Mistral-7B-Instruct-v0.3

70B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Claude Mythos Preview

ARC-AGI-2—

HLE64.70

AIME2025—

SWE-bench Verified93.90

τ²-Bench—

不开源

Llama3-70B-Instruct

700B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Mixtral-8x22B-Instruct-v0.1

1410B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Qwen3.6-Max-Preview

10000B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

不开源

Qwen3-Next

800B

ARC-AGI-2—

HLE—

AIME202569.50

SWE-bench Verified—

τ²-Bench—

免费商用

Grok 4 Heavy

ARC-AGI-2—

HLE44.40

AIME2025100.00

SWE-bench Verified73.50

τ²-Bench—

不开源

Gemini 2.5 Deep Think

ARC-AGI-2—

HLE34.80

AIME202599.20

SWE-bench Verified—

τ²-Bench—

不开源

Kimi K2 0905

10000B

ARC-AGI-2—

HLE21.70

AIME202575.20

SWE-bench Verified69.20

τ²-Bench—

免费商用

Grok 4 Fast

ARC-AGI-2—

HLE20.00

AIME202592.00

SWE-bench Verified—

τ²-Bench—

不开源

Claude Sonnet 3.7

ARC-AGI-2—

HLE10.30

AIME202554.80

SWE-bench Verified70.30

τ²-Bench61.80

不开源

Step 3.5 Flash

1960B

ARC-AGI-2—

HLE—

AIME202599.80

SWE-bench Verified74.40

τ²-Bench88.20

免费商用

Gemini 2.5 Flash-Preview-09-2025

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified54.00

τ²-Bench—

不开源

GPT-4.1 mini

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified23.60

τ²-Bench53.00

不开源

Hunyuan-7B

70B

ARC-AGI-2—

HLE—

AIME202575.30

SWE-bench Verified—

τ²-Bench—

免费商用

Grok 3

ARC-AGI-2—

HLE—

AIME202577.10

SWE-bench Verified—

τ²-Bench—

不开源

Qwen3-4B-Thinking-2507

40B

ARC-AGI-2—

HLE—

AIME202581.30

SWE-bench Verified—

τ²-Bench—

免费商用

Qwen3-4B-2507

40B

ARC-AGI-2—

HLE—

AIME202547.40

SWE-bench Verified—

τ²-Bench—

免费商用

GPT-4.1 nano

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

不开源

排序：

查看全部 60 个模型的 ARC-AGI-2 完整排名

综合排名

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。

大模型性能评测结果

数据来源：DataLearnerAI

排名	模型						参数(亿)	开源情况
1	Claude Sonnet 4.6	58.30	49.00	—	79.60	—	—	不开源
2	GPT-5.2	54.20	45.50	100.00	80.00	82.00	—	不开源
3	Gemini 3.0 Flash	33.60	43.50	99.70	68.70	90.20	—	不开源
4	Claude Sonnet 4.5	13.60	33.60	100.00	82.00	84.70	—	不开源
5	GLM-5	4.90	50.40	—	77.80	89.70	7440B	免费商用
6	Qwen3-235B-A22B-2507	1.30	—	70.30	—	—	2350B	免费商用
7	Phi-4-mini-instruct (3.8B)	—	—	—	—	—	38B	免费商用
8	Llama3-70B	—	—	—	—	—	700B	免费商用
9	Grok-1.5	—	—	—	—	—	—	不开源
10	Llama3.1-8B-Instruct	—	—	—	—	—	80B	免费商用
11	Moonlight-16B-A3B-Instruct	—	—	—	—	—	160B	免费商用
12	Mistral-7B-Instruct-v0.3	—	—	—	—	—	70B	免费商用
13	Claude Mythos Preview	—	64.70	—	93.90	—	—	不开源
14	Llama3-70B-Instruct	—	—	—	—	—	700B	免费商用
15	Mixtral-8x22B-Instruct-v0.1	—	—	—	—	—	1410B	免费商用
16	Qwen3.6-Max-Preview	—	—	—	—	—	10000B	不开源
17	Qwen3-Next	—	—	69.50	—	—	800B	免费商用
18	Grok 4 Heavy	—	44.40	100.00	73.50	—	—	不开源
19	Gemini 2.5 Deep Think	—	34.80	99.20	—	—	—	不开源
20	Kimi K2 0905	—	21.70	75.20	69.20	—	10000B	免费商用
21	Grok 4 Fast	—	20.00	92.00	—	—	—	不开源
22	Claude Sonnet 3.7	—	10.30	54.80	70.30	61.80	—	不开源
23	Step 3.5 Flash	—	—	99.80	74.40	88.20	1960B	免费商用
24	Gemini 2.5 Flash-Preview-09-2025	—	—	—	54.00	—	—	不开源
25	GPT-4.1 mini	—	—	—	23.60	53.00	—	不开源
26	Hunyuan-7B	—	—	75.30	—	—	70B	免费商用
27	Grok 3	—	—	77.10	—	—	—	不开源
28	Qwen3-4B-Thinking-2507	—	—	81.30	—	—	40B	免费商用
29	Qwen3-4B-2507	—	—	47.40	—	—	40B	免费商用
30	GPT-4.1 nano	—	—	—	—	—	—	不开源

Claude Sonnet 4.6

ARC-AGI-258.30

HLE49.00

AIME2025—

SWE-bench Verified79.60

τ²-Bench—

不开源

GPT-5.2

ARC-AGI-254.20

HLE45.50

AIME2025100.00

SWE-bench Verified80.00

τ²-Bench82.00

不开源

Gemini 3.0 Flash

ARC-AGI-233.60

HLE43.50

AIME202599.70

SWE-bench Verified68.70

τ²-Bench90.20

不开源

Claude Sonnet 4.5

ARC-AGI-213.60

HLE33.60

AIME2025100.00

SWE-bench Verified82.00

τ²-Bench84.70

不开源

GLM-5

7440B

ARC-AGI-24.90

HLE50.40

AIME2025—

SWE-bench Verified77.80

τ²-Bench89.70

免费商用

Qwen3-235B-A22B-2507

2350B

ARC-AGI-21.30

HLE—

AIME202570.30

SWE-bench Verified—

τ²-Bench—

免费商用

Phi-4-mini-instruct (3.8B)

38B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Llama3-70B

700B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Grok-1.5

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

不开源

Llama3.1-8B-Instruct

80B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Moonlight-16B-A3B-Instruct

160B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Mistral-7B-Instruct-v0.3

70B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Claude Mythos Preview

ARC-AGI-2—

HLE64.70

AIME2025—

SWE-bench Verified93.90

τ²-Bench—

不开源

Llama3-70B-Instruct

700B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Mixtral-8x22B-Instruct-v0.1

1410B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

免费商用

Qwen3.6-Max-Preview

10000B

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

不开源

Qwen3-Next

800B

ARC-AGI-2—

HLE—

AIME202569.50

SWE-bench Verified—

τ²-Bench—

免费商用

Grok 4 Heavy

ARC-AGI-2—

HLE44.40

AIME2025100.00

SWE-bench Verified73.50

τ²-Bench—

不开源

Gemini 2.5 Deep Think

ARC-AGI-2—

HLE34.80

AIME202599.20

SWE-bench Verified—

τ²-Bench—

不开源

Kimi K2 0905

10000B

ARC-AGI-2—

HLE21.70

AIME202575.20

SWE-bench Verified69.20

τ²-Bench—

免费商用

Grok 4 Fast

ARC-AGI-2—

HLE20.00

AIME202592.00

SWE-bench Verified—

τ²-Bench—

不开源

Claude Sonnet 3.7

ARC-AGI-2—

HLE10.30

AIME202554.80

SWE-bench Verified70.30

τ²-Bench61.80

不开源

Step 3.5 Flash

1960B

ARC-AGI-2—

HLE—

AIME202599.80

SWE-bench Verified74.40

τ²-Bench88.20

免费商用

Gemini 2.5 Flash-Preview-09-2025

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified54.00

τ²-Bench—

不开源

GPT-4.1 mini

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified23.60

τ²-Bench53.00

不开源

Hunyuan-7B

70B

ARC-AGI-2—

HLE—

AIME202575.30

SWE-bench Verified—

τ²-Bench—

免费商用

Grok 3

ARC-AGI-2—

HLE—

AIME202577.10

SWE-bench Verified—

τ²-Bench—

不开源

Qwen3-4B-Thinking-2507

40B

ARC-AGI-2—

HLE—

AIME202581.30

SWE-bench Verified—

τ²-Bench—

免费商用

Qwen3-4B-2507

40B

ARC-AGI-2—

HLE—

AIME202547.40

SWE-bench Verified—

τ²-Bench—

免费商用

GPT-4.1 nano

ARC-AGI-2—

HLE—

AIME2025—

SWE-bench Verified—

τ²-Bench—

不开源

排序：

查看全部 60 个模型的 ARC-AGI-2 完整排名