大模型评测基准与性能对比

快速查看大模型在各项评测基准上的表现，包括MMLU Pro、HLE、SWE-Bench等多个标准数据集，帮助开发者和用户了解不同大模型在通用知识、编程能力、推理能力等方面的表现。

用户可以选择自定义模型与评测基准进行对比，快速获取不同模型在实际应用中的优劣势。

各个评测基准的详细介绍可见： LLM 评测基准列表与介绍

大模型性能评测结果

数据来源：DataLearnerAI

自定义评测选择

+
+
全部
3B及以下
7B
13B
34B
65B
100B及以上
#
模型
MMLU Pro
GPQA Diamond
SWE-bench Verified
MATH-500
AIME 2024
LiveCodeBench
参数(亿)
开源情况
1
OpenAI Logo
OpenAI o1
91.04
77.30
48.90
96.40
79.20
71.00
未知
不开源
MMLU Pro (知识问答) 91.04
GPQA Diamond (常识推理) 77.30
SWE-bench Verified (代码生成) 48.90
MATH-500 (数学推理) 96.40
AIME 2024 (数学推理) 79.20
LiveCodeBench (代码生成) 71.00
参数(亿) 未知
开源情况 不开源
查看模型详情
2
腾讯AI实验室 Logo
Hunyuan-T1
87.20
69.30
未公布
96.20
78.20
64.90
未知
不开源
MMLU Pro (知识问答) 87.20
GPQA Diamond (常识推理) 69.30
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 96.20
AIME 2024 (数学推理) 78.20
LiveCodeBench (代码生成) 64.90
参数(亿) 未知
开源情况 不开源
查看模型详情
3
xAI Logo
Grok 4
87.00
87.00
未公布
未公布
未公布
82.00
未知
不开源
MMLU Pro (知识问答) 87.00
GPQA Diamond (常识推理) 87.00
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 82.00
参数(亿) 未知
开源情况 不开源
查看模型详情
4
Google Deep Mind Logo
Gemini-2.5-Pro-Preview-06-05
86.00
86.40
59.60
98.80
92.00
77.10
未知
不开源
MMLU Pro (知识问答) 86.00
GPQA Diamond (常识推理) 86.40
SWE-bench Verified (代码生成) 59.60
MATH-500 (数学推理) 98.80
AIME 2024 (数学推理) 92.00
LiveCodeBench (代码生成) 77.10
参数(亿) 未知
开源情况 不开源
查看模型详情
5
OpenAI Logo
OpenAI o3
85.60
83.30
69.10
98.10
91.60
75.80
未知
不开源
MMLU Pro (知识问答) 85.60
GPQA Diamond (常识推理) 83.30
SWE-bench Verified (代码生成) 69.10
MATH-500 (数学推理) 98.10
AIME 2024 (数学推理) 91.60
LiveCodeBench (代码生成) 75.80
参数(亿) 未知
开源情况 不开源
查看模型详情
6
DeepSeek-AI Logo
DeepSeek-R1-0528
85.00
81.00
57.60
98.00
91.40
73.30
6,850
免费商用授权
MMLU Pro (知识问答) 85.00
GPQA Diamond (常识推理) 81.00
SWE-bench Verified (代码生成) 57.60
MATH-500 (数学推理) 98.00
AIME 2024 (数学推理) 91.40
LiveCodeBench (代码生成) 73.30
参数(亿) 6,850
开源情况 免费商用授权
查看模型详情
7
Anthropic Logo
Claude Opus 4
85.00
79.60
72.50
98.20
76.00
56.60
未知
不开源
MMLU Pro (知识问答) 85.00
GPQA Diamond (常识推理) 79.60
SWE-bench Verified (代码生成) 72.50
MATH-500 (数学推理) 98.20
AIME 2024 (数学推理) 76.00
LiveCodeBench (代码生成) 56.60
参数(亿) 未知
开源情况 不开源
查看模型详情
8
智谱AI Logo
GLM-4.5
84.60
79.10
64.20
98.20
91.00
72.90
3,550
免费商用授权
MMLU Pro (知识问答) 84.60
GPQA Diamond (常识推理) 79.10
SWE-bench Verified (代码生成) 64.20
MATH-500 (数学推理) 98.20
AIME 2024 (数学推理) 91.00
LiveCodeBench (代码生成) 72.90
参数(亿) 3,550
开源情况 免费商用授权
查看模型详情
9
阿里巴巴 Logo
Qwen3-235B-A22B-Thinking-2507
84.40
81.10
未公布
未公布
未公布
74.10
2,350
免费商用授权
MMLU Pro (知识问答) 84.40
GPQA Diamond (常识推理) 81.10
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 74.10
参数(亿) 2,350
开源情况 免费商用授权
查看模型详情
10
DeepSeek-AI Logo
DeepSeek-R1
84.00
71.50
49.20
97.30
79.80
65.90
6,710
免费商用授权
MMLU Pro (知识问答) 84.00
GPQA Diamond (常识推理) 71.50
SWE-bench Verified (代码生成) 49.20
MATH-500 (数学推理) 97.30
AIME 2024 (数学推理) 79.80
LiveCodeBench (代码生成) 65.90
参数(亿) 6,710
开源情况 免费商用授权
查看模型详情
11
智谱AI Logo
GLM-4.5-Air
81.40
75.00
57.60
98.10
89.40
70.70
1,060
免费商用授权
MMLU Pro (知识问答) 81.40
GPQA Diamond (常识推理) 75.00
SWE-bench Verified (代码生成) 57.60
MATH-500 (数学推理) 98.10
AIME 2024 (数学推理) 89.40
LiveCodeBench (代码生成) 70.70
参数(亿) 1,060
开源情况 免费商用授权
查看模型详情
12
MiniMaxAI Logo
MiniMax-M1-80k
81.10
70.00
56.00
96.80
86.00
65.00
4,560
免费商用授权
MMLU Pro (知识问答) 81.10
GPQA Diamond (常识推理) 70.00
SWE-bench Verified (代码生成) 56.00
MATH-500 (数学推理) 96.80
AIME 2024 (数学推理) 86.00
LiveCodeBench (代码生成) 65.00
参数(亿) 4,560
开源情况 免费商用授权
查看模型详情
13
MiniMaxAI Logo
MiniMax-M1-40k
80.60
69.20
55.60
96.00
83.30
62.30
4,560
免费商用授权
MMLU Pro (知识问答) 80.60
GPQA Diamond (常识推理) 69.20
SWE-bench Verified (代码生成) 55.60
MATH-500 (数学推理) 96.00
AIME 2024 (数学推理) 83.30
LiveCodeBench (代码生成) 62.30
参数(亿) 4,560
开源情况 免费商用授权
查看模型详情
14
OpenAI Logo
OpenAI o4 - mini
80.60
81.40
68.10
未公布
93.40
未公布
未知
不开源
MMLU Pro (知识问答) 80.60
GPQA Diamond (常识推理) 81.40
SWE-bench Verified (代码生成) 68.10
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 93.40
LiveCodeBench (代码生成) 未公布
参数(亿) 未知
开源情况 不开源
查看模型详情
15
OpenAI Logo
OpenAI o1-mini
80.30
60.00
未公布
90.00
63.60
52.00
未知
不开源
MMLU Pro (知识问答) 80.30
GPQA Diamond (常识推理) 60.00
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 90.00
AIME 2024 (数学推理) 63.60
LiveCodeBench (代码生成) 52.00
参数(亿) 未知
开源情况 不开源
查看模型详情
16
腾讯AI实验室 Logo
Hunyuan-TurboS
79.00
57.50
未公布
未公布
未公布
32.00
未知
不开源
MMLU Pro (知识问答) 79.00
GPQA Diamond (常识推理) 57.50
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 32.00
参数(亿) 未知
开源情况 不开源
查看模型详情
17
阿里巴巴 Logo
QwQ-32B
76.00
58.00
未公布
91.00
79.50
未公布
325
免费商用授权
MMLU Pro (知识问答) 76.00
GPQA Diamond (常识推理) 58.00
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 91.00
AIME 2024 (数学推理) 79.50
LiveCodeBench (代码生成) 未公布
参数(亿) 325
开源情况 免费商用授权
查看模型详情
18
阿里巴巴 Logo
Qwen3-235B-A22B
72.90
71.10
34.40
98.00
85.70
70.70
2,350
免费商用授权
MMLU Pro (知识问答) 72.90
GPQA Diamond (常识推理) 71.10
SWE-bench Verified (代码生成) 34.40
MATH-500 (数学推理) 98.00
AIME 2024 (数学推理) 85.70
LiveCodeBench (代码生成) 70.70
参数(亿) 2,350
开源情况 免费商用授权
查看模型详情
19
阿里巴巴 Logo
Qwen3-8B
72.50
未公布
未公布
未公布
79.40
61.80
80
免费商用授权
MMLU Pro (知识问答) 72.50
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 79.40
LiveCodeBench (代码生成) 61.80
参数(亿) 80
开源情况 免费商用授权
查看模型详情
20
阿里巴巴 Logo
QwQ-32B-Preview
70.97
未公布
未公布
90.60
50.00
未公布
320
免费商用授权
MMLU Pro (知识问答) 70.97
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 90.60
AIME 2024 (数学推理) 50.00
LiveCodeBench (代码生成) 未公布
参数(亿) 320
开源情况 免费商用授权
查看模型详情
21
阿里巴巴 Logo
Qwen3-30B-A3B
69.10
54.80
未公布
未公布
未公布
29.00
305
免费商用授权
MMLU Pro (知识问答) 69.10
GPQA Diamond (常识推理) 54.80
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 29.00
参数(亿) 305
开源情况 免费商用授权
查看模型详情
22
DeepSeek-AI Logo
DeepSeek-R1-Distill-Llama-70B
未公布
65.20
未公布
94.50
未公布
未公布
700
免费商用授权
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 65.20
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 94.50
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 未公布
参数(亿) 700
开源情况 免费商用授权
查看模型详情
23
普林斯顿大学 Logo
Kimi k1.5 (Long-CoT)
未公布
未公布
未公布
96.20
未公布
未公布
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 96.20
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 未公布
参数(亿) 未知
开源情况 不开源
查看模型详情
24
xAI Logo
Grok-3 mini - Reasoning
未公布
84.00
未公布
未公布
96.00
未公布
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 84.00
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 96.00
LiveCodeBench (代码生成) 未公布
参数(亿) 未知
开源情况 不开源
查看模型详情
25
xAI Logo
Grok-3 - Reasoning Beta
未公布
84.60
未公布
未公布
93.30
79.40
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 84.60
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 93.30
LiveCodeBench (代码生成) 79.40
参数(亿) 未知
开源情况 不开源
查看模型详情
26
xAI Logo
Grok 4 (TTC)
未公布
88.00
未公布
未公布
未公布
未公布
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 88.00
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 未公布
参数(亿) 未知
开源情况 不开源
查看模型详情
27
Anthropic Logo
Claude Sonnet 3.7-64K Extended Thinking
未公布
84.80
未公布
96.20
80.00
未公布
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 84.80
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 96.20
AIME 2024 (数学推理) 80.00
LiveCodeBench (代码生成) 未公布
参数(亿) 未知
开源情况 不开源
查看模型详情
28
Google Deep Mind Logo
Gemini 2.5 Flash-Lite
未公布
66.70
27.60
未公布
未公布
34.30
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 66.70
SWE-bench Verified (代码生成) 27.60
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 34.30
参数(亿) 未知
开源情况 不开源
查看模型详情
29
Google Deep Mind Logo
Gemini 2.5 Pro Deep Think
未公布
未公布
未公布
未公布
未公布
80.40
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 80.40
参数(亿) 未知
开源情况 不开源
查看模型详情
30
Microsoft Logo
Phi-4-instruct (reasoning-trained)
未公布
49.00
未公布
90.40
50.00
未公布
38
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 49.00
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 90.40
AIME 2024 (数学推理) 50.00
LiveCodeBench (代码生成) 未公布
参数(亿) 38
开源情况 不开源
查看模型详情
31
DeepSeek-AI Logo
DeepSeek-R1-Distill-Qwen-7B
未公布
49.50
未公布
91.40
53.30
未公布
70
免费商用授权
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 49.50
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 91.40
AIME 2024 (数学推理) 53.30
LiveCodeBench (代码生成) 未公布
参数(亿) 70
开源情况 免费商用授权
查看模型详情
32
OpenAI Logo
o3-pro
未公布
84.00
75.00
未公布
93.00
未公布
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 84.00
SWE-bench Verified (代码生成) 75.00
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 93.00
LiveCodeBench (代码生成) 未公布
参数(亿) 未知
开源情况 不开源
查看模型详情
33
MistralAI Logo
Magistral-Medium-2506
未公布
70.83
未公布
未公布
73.59
59.36
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 70.83
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 73.59
LiveCodeBench (代码生成) 59.36
参数(亿) 未知
开源情况 不开源
查看模型详情
34
MistralAI Logo
Magistral-Small-2506
未公布
68.18
未公布
未公布
70.68
55.84
240
免费商用授权
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 68.18
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 70.68
LiveCodeBench (代码生成) 55.84
参数(亿) 240
开源情况 免费商用授权
查看模型详情
35
Google Deep Mind Logo
Gemini 2.5 Pro Experimental 03-25
未公布
84.00
63.80
未公布
92.00
70.40
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 84.00
SWE-bench Verified (代码生成) 63.80
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 92.00
LiveCodeBench (代码生成) 70.40
参数(亿) 未知
开源情况 不开源
查看模型详情
36
OpenAI Logo
OpenAI o3-mini (medium)
未公布
未公布
未公布
未公布
未公布
67.40
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 67.40
参数(亿) 未知
开源情况 不开源
查看模型详情
37
OpenAI Logo
OpenAI o3-mini (high)
未公布
79.70
49.30
97.90
87.00
69.50
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 79.70
SWE-bench Verified (代码生成) 49.30
MATH-500 (数学推理) 97.90
AIME 2024 (数学推理) 87.00
LiveCodeBench (代码生成) 69.50
参数(亿) 未知
开源情况 不开源
查看模型详情
38
Anthropic Logo
Claude Sonnet 4
未公布
75.40
72.70
未公布
43.40
48.50
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 75.40
SWE-bench Verified (代码生成) 72.70
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 43.40
LiveCodeBench (代码生成) 48.50
参数(亿) 未知
开源情况 不开源
查看模型详情
39
Google Deep Mind Logo
Gemini-2.5-Pro-Preview-05-06
未公布
83.00
63.20
98.80
92.00
77.10
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 83.00
SWE-bench Verified (代码生成) 63.20
MATH-500 (数学推理) 98.80
AIME 2024 (数学推理) 92.00
LiveCodeBench (代码生成) 77.10
参数(亿) 未知
开源情况 不开源
查看模型详情
40
xAI Logo
Grok 3.5
未公布
未公布
未公布
未公布
未公布
未公布
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 未公布
参数(亿) 未知
开源情况 不开源
查看模型详情
41
Moonshot AI Logo
Kimi-k1.6-IOI-high
未公布
未公布
未公布
未公布
未公布
73.80
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 73.80
参数(亿) 未知
开源情况 不开源
查看模型详情
42
阿里巴巴 Logo
Qwen3-32B
未公布
53.30
未公布
未公布
81.40
65.70
320
免费商用授权
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 53.30
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 81.40
LiveCodeBench (代码生成) 65.70
参数(亿) 320
开源情况 免费商用授权
查看模型详情
43
Moonshot AI Logo
Kimi-k1.6-IOI
未公布
未公布
未公布
未公布
未公布
65.90
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 65.90
参数(亿) 未知
开源情况 不开源
查看模型详情
44
阿里巴巴 Logo
QwQ-Max-Preview
未公布
未公布
未公布
未公布
未公布
65.60
未知
免费商用授权
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 65.60
参数(亿) 未知
开源情况 免费商用授权
查看模型详情
45
Moonshot AI Logo
Kimi k1.5 (Short-CoT)
未公布
未公布
未公布
94.60
未公布
未公布
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 未公布
SWE-bench Verified (代码生成) 未公布
MATH-500 (数学推理) 94.60
AIME 2024 (数学推理) 未公布
LiveCodeBench (代码生成) 未公布
参数(亿) 未知
开源情况 不开源
查看模型详情
46
Google Deep Mind Logo
Gemini 2.5 Flash
未公布
78.30
63.80
未公布
88.00
63.40
未知
不开源
MMLU Pro (知识问答) 未公布
GPQA Diamond (常识推理) 78.30
SWE-bench Verified (代码生成) 63.80
MATH-500 (数学推理) 未公布
AIME 2024 (数学推理) 88.00
LiveCodeBench (代码生成) 63.40
参数(亿) 未知
开源情况 不开源
查看模型详情