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 2026-05-02 07:14:49

截至 2026年5月，AA 智能指数前列模型包括 GPT-5.5 (xhigh)、GPT-5.5 (high)、Opus 4.7 (max)，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 Opus 4.7 (thinking)、Claude Opus 4.6 (thinking)、Claude Opus 4.6，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25日

#模型分数

GPT-5.5 (xhigh)OpenAI

GPT-5.5 (high)OpenAI

Opus 4.7 (max)Anthropic

Gemini 3.1 Pro PreviewGoogle Deep Mind

GPT-5.4 (xhigh)OpenAI

GPT-5.5 (medium)OpenAI

Kimi K2.6Moonshot AI

MiMo-V2.5-ProXiaomi

GPT-5.3 Codex (xhigh)OpenAI

Muse SparkFacebook AI研究实验室

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24日

#模型Elo

Opus 4.7 (thinking)Anthropic

1503

Claude Opus 4.6 (thinking)Anthropic

1503

Claude Opus 4.6Anthropic

1496

Opus 4.7Anthropic

1494

Gemini 3.1 Pro PreviewGoogle Deep Mind

1493

Muse SparkFacebook AI研究实验室

1492

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

1486

grok-4.20-beta1xAI

1482

gpt-5.4-highOpenAI

1481

grok-4.20-beta-0309-reasoningxAI

1479

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

各评测基准展示所有评测模式中的最高得分。点击模型名称可查看不同评测模式的详细结果。

排名	模型						开源情况
	Claude Mythos Preview Anthropic	64.70	—	—	93.90	—	闭源
	GPT-5.4 Pro OpenAI	58.70	83.30	38.00	—	—	闭源
	Muse Spark Facebook AI研究实验室	58.00	42.50	14.60	77.40	—	闭源
4	GPT-5.5 Pro OpenAI	57.20	84.60	39.60	—	—	闭源
5	Opus 4.7 Anthropic	54.70	75.80	22.90	87.60	—	闭源
6	Kimi K2.6 Moonshot AI	54.00	—	—	80.20	—	免费商用
7	Claude Opus 4.6 Anthropic	53.00	66.30	22.90	80.84	91.89	闭源
8	GLM 5.1 智谱AI	52.30	—	—	—	—	免费商用
9	GPT-5.5 OpenAI	52.20	85.00	35.40	—	—	闭源
10	GPT-5.4 OpenAI	52.10	77.10	27.10	—	—	闭源
11	Gemini 3.1 Pro Preview Google Deep Mind	51.40	77.10	16.70	80.60	90.80	闭源
12	Kimi K2 Thinking Moonshot AI	51.00	—	—	71.30	—	免费商用
13	Qwen 3.6 Plus Preview 阿里巴巴	50.60	—	—	78.80	—	闭源
14	GLM-5 智谱AI	50.40	4.90	2.10	77.80	89.70	免费商用
15	Kimi K2.5 Moonshot AI	50.20	11.80	4.20	76.80	—	免费商用
16	GPT-5.2 Pro OpenAI	50.00	54.20	31.30	—	—	闭源
17	Qwen3-Max-Thinking 阿里巴巴	49.80	—	—	75.30	82.10	闭源
18	Claude Sonnet 4.6 Anthropic	49.00	58.30	8.30	79.60	—	闭源
19	Qwen3.5-27B 阿里巴巴	48.50	—	—	72.40	79.00	免费商用
20	Gemini 3 Deep Think - 2620 Google Deep Mind	48.40	84.60	—	—	—	闭源
21	Qwen3.5-397B-A17B 阿里巴巴	48.30	—	—	76.40	86.70	免费商用
22	DeepSeek-V4-Pro DeepSeek-AI	48.20	—	—	80.60	—	免费商用
23	Gemini 3.0 Pro (Preview 11-2025) Google Deep Mind	45.80	45.10	18.80	76.20	85.40	闭源
24	GPT-5.2 OpenAI	45.50	54.20	18.80	80.00	82.00	闭源
25	DeepSeek-V4-Flash DeepSeek-AI	45.10	—	—	79.00	—	免费商用
26	Grok 4 Heavy xAI	44.40	—	2.10	73.50	—	闭源
27	Gemini 3.0 Flash Google Deep Mind	43.50	33.60	4.20	68.70	90.20	闭源
28	Opus 4.5 Anthropic	43.20	37.60	4.20	80.90	81.99	闭源
29	GLM-4.7 智谱AI	42.80	—	2.10	73.80	87.40	免费商用
30	GPT-5.1 OpenAI	42.70	17.60	12.50	76.30	—	闭源

Claude Mythos Preview

Anthropic

HLE64.70

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified93.90

τ²-Bench—

闭源

GPT-5.4 Pro

OpenAI

HLE58.70

ARC-AGI-283.30

FrontierMath - Tier 438.00

SWE-bench Verified—

τ²-Bench—

闭源

Muse Spark

Facebook AI研究实验室

HLE58.00

ARC-AGI-242.50

FrontierMath - Tier 414.60

SWE-bench Verified77.40

τ²-Bench—

闭源

GPT-5.5 Pro

OpenAI

HLE57.20

ARC-AGI-284.60

FrontierMath - Tier 439.60

SWE-bench Verified—

τ²-Bench—

闭源

Opus 4.7

Anthropic

HLE54.70

ARC-AGI-275.80

FrontierMath - Tier 422.90

SWE-bench Verified87.60

τ²-Bench—

闭源

Kimi K2.6

Moonshot AI

HLE54.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified80.20

τ²-Bench—

免费商用

Claude Opus 4.6

Anthropic

HLE53.00

ARC-AGI-266.30

FrontierMath - Tier 422.90

SWE-bench Verified80.84

τ²-Bench91.89

闭源

GLM 5.1

智谱AI

HLE52.30

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

免费商用

GPT-5.5

OpenAI

HLE52.20

ARC-AGI-285.00

FrontierMath - Tier 435.40

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5.4

OpenAI

HLE52.10

ARC-AGI-277.10

FrontierMath - Tier 427.10

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 3.1 Pro Preview

Google Deep Mind

HLE51.40

ARC-AGI-277.10

FrontierMath - Tier 416.70

SWE-bench Verified80.60

τ²-Bench90.80

闭源

Kimi K2 Thinking

Moonshot AI

HLE51.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified71.30

τ²-Bench—

免费商用

Qwen 3.6 Plus Preview

阿里巴巴

HLE50.60

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified78.80

τ²-Bench—

闭源

GLM-5

智谱AI

HLE50.40

ARC-AGI-24.90

FrontierMath - Tier 42.10

SWE-bench Verified77.80

τ²-Bench89.70

免费商用

Kimi K2.5

Moonshot AI

HLE50.20

ARC-AGI-211.80

FrontierMath - Tier 44.20

SWE-bench Verified76.80

τ²-Bench—

免费商用

GPT-5.2 Pro

OpenAI

HLE50.00

ARC-AGI-254.20

FrontierMath - Tier 431.30

SWE-bench Verified—

τ²-Bench—

闭源

Qwen3-Max-Thinking

阿里巴巴

HLE49.80

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified75.30

τ²-Bench82.10

闭源

Claude Sonnet 4.6

Anthropic

HLE49.00

ARC-AGI-258.30

FrontierMath - Tier 48.30

SWE-bench Verified79.60

τ²-Bench—

闭源

Qwen3.5-27B

阿里巴巴

HLE48.50

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified72.40

τ²-Bench79.00

免费商用

Gemini 3 Deep Think - 2620

Google Deep Mind

HLE48.40

ARC-AGI-284.60

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

闭源

Qwen3.5-397B-A17B

阿里巴巴

HLE48.30

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified76.40

τ²-Bench86.70

免费商用

DeepSeek-V4-Pro

DeepSeek-AI

HLE48.20

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified80.60

τ²-Bench—

免费商用

Gemini 3.0 Pro (Preview 11-2025)

Google Deep Mind

HLE45.80

ARC-AGI-245.10

FrontierMath - Tier 418.80

SWE-bench Verified76.20

τ²-Bench85.40

闭源

GPT-5.2

OpenAI

HLE45.50

ARC-AGI-254.20

FrontierMath - Tier 418.80

SWE-bench Verified80.00

τ²-Bench82.00

闭源

DeepSeek-V4-Flash

DeepSeek-AI

HLE45.10

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified79.00

τ²-Bench—

免费商用

Grok 4 Heavy

xAI

HLE44.40

ARC-AGI-2—

FrontierMath - Tier 42.10

SWE-bench Verified73.50

τ²-Bench—

闭源

Gemini 3.0 Flash

Google Deep Mind

HLE43.50

ARC-AGI-233.60

FrontierMath - Tier 44.20

SWE-bench Verified68.70

τ²-Bench90.20

闭源

Opus 4.5

Anthropic

HLE43.20

ARC-AGI-237.60

FrontierMath - Tier 44.20

SWE-bench Verified80.90

τ²-Bench81.99

闭源

GLM-4.7

智谱AI

HLE42.80

ARC-AGI-2—

FrontierMath - Tier 42.10

SWE-bench Verified73.80

τ²-Bench87.40

免费商用

GPT-5.1

OpenAI

HLE42.70

ARC-AGI-217.60

FrontierMath - Tier 412.50

SWE-bench Verified76.30

τ²-Bench—

闭源

排序：

查看全部 204 个模型的 HLE 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

各评测基准展示所有评测模式中的最高得分。点击模型名称可查看不同评测模式的详细结果。

排名	模型						开源情况
	Claude Mythos Preview Anthropic	64.70	—	—	93.90	—	闭源
	GPT-5.4 Pro OpenAI	58.70	83.30	38.00	—	—	闭源
	Muse Spark Facebook AI研究实验室	58.00	42.50	14.60	77.40	—	闭源
4	GPT-5.5 Pro OpenAI	57.20	84.60	39.60	—	—	闭源
5	Opus 4.7 Anthropic	54.70	75.80	22.90	87.60	—	闭源
6	Kimi K2.6 Moonshot AI	54.00	—	—	80.20	—	免费商用
7	Claude Opus 4.6 Anthropic	53.00	66.30	22.90	80.84	91.89	闭源
8	GLM 5.1 智谱AI	52.30	—	—	—	—	免费商用
9	GPT-5.5 OpenAI	52.20	85.00	35.40	—	—	闭源
10	GPT-5.4 OpenAI	52.10	77.10	27.10	—	—	闭源
11	Gemini 3.1 Pro Preview Google Deep Mind	51.40	77.10	16.70	80.60	90.80	闭源
12	Kimi K2 Thinking Moonshot AI	51.00	—	—	71.30	—	免费商用
13	Qwen 3.6 Plus Preview 阿里巴巴	50.60	—	—	78.80	—	闭源
14	GLM-5 智谱AI	50.40	4.90	2.10	77.80	89.70	免费商用
15	Kimi K2.5 Moonshot AI	50.20	11.80	4.20	76.80	—	免费商用
16	GPT-5.2 Pro OpenAI	50.00	54.20	31.30	—	—	闭源
17	Qwen3-Max-Thinking 阿里巴巴	49.80	—	—	75.30	82.10	闭源
18	Claude Sonnet 4.6 Anthropic	49.00	58.30	8.30	79.60	—	闭源
19	Qwen3.5-27B 阿里巴巴	48.50	—	—	72.40	79.00	免费商用
20	Gemini 3 Deep Think - 2620 Google Deep Mind	48.40	84.60	—	—	—	闭源
21	Qwen3.5-397B-A17B 阿里巴巴	48.30	—	—	76.40	86.70	免费商用
22	DeepSeek-V4-Pro DeepSeek-AI	48.20	—	—	80.60	—	免费商用
23	Gemini 3.0 Pro (Preview 11-2025) Google Deep Mind	45.80	45.10	18.80	76.20	85.40	闭源
24	GPT-5.2 OpenAI	45.50	54.20	18.80	80.00	82.00	闭源
25	DeepSeek-V4-Flash DeepSeek-AI	45.10	—	—	79.00	—	免费商用
26	Grok 4 Heavy xAI	44.40	—	2.10	73.50	—	闭源
27	Gemini 3.0 Flash Google Deep Mind	43.50	33.60	4.20	68.70	90.20	闭源
28	Opus 4.5 Anthropic	43.20	37.60	4.20	80.90	81.99	闭源
29	GLM-4.7 智谱AI	42.80	—	2.10	73.80	87.40	免费商用
30	GPT-5.1 OpenAI	42.70	17.60	12.50	76.30	—	闭源

Claude Mythos Preview

Anthropic

HLE64.70

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified93.90

τ²-Bench—

闭源

GPT-5.4 Pro

OpenAI

HLE58.70

ARC-AGI-283.30

FrontierMath - Tier 438.00

SWE-bench Verified—

τ²-Bench—

闭源

Muse Spark

Facebook AI研究实验室

HLE58.00

ARC-AGI-242.50

FrontierMath - Tier 414.60

SWE-bench Verified77.40

τ²-Bench—

闭源

GPT-5.5 Pro

OpenAI

HLE57.20

ARC-AGI-284.60

FrontierMath - Tier 439.60

SWE-bench Verified—

τ²-Bench—

闭源

Opus 4.7

Anthropic

HLE54.70

ARC-AGI-275.80

FrontierMath - Tier 422.90

SWE-bench Verified87.60

τ²-Bench—

闭源

Kimi K2.6

Moonshot AI

HLE54.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified80.20

τ²-Bench—

免费商用

Claude Opus 4.6

Anthropic

HLE53.00

ARC-AGI-266.30

FrontierMath - Tier 422.90

SWE-bench Verified80.84

τ²-Bench91.89

闭源

GLM 5.1

智谱AI

HLE52.30

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

免费商用

GPT-5.5

OpenAI

HLE52.20

ARC-AGI-285.00

FrontierMath - Tier 435.40

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5.4

OpenAI

HLE52.10

ARC-AGI-277.10

FrontierMath - Tier 427.10

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 3.1 Pro Preview

Google Deep Mind

HLE51.40

ARC-AGI-277.10

FrontierMath - Tier 416.70

SWE-bench Verified80.60

τ²-Bench90.80

闭源

Kimi K2 Thinking

Moonshot AI

HLE51.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified71.30

τ²-Bench—

免费商用

Qwen 3.6 Plus Preview

阿里巴巴

HLE50.60

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified78.80

τ²-Bench—

闭源

GLM-5

智谱AI

HLE50.40

ARC-AGI-24.90

FrontierMath - Tier 42.10

SWE-bench Verified77.80

τ²-Bench89.70

免费商用

Kimi K2.5

Moonshot AI

HLE50.20

ARC-AGI-211.80

FrontierMath - Tier 44.20

SWE-bench Verified76.80

τ²-Bench—

免费商用

GPT-5.2 Pro

OpenAI

HLE50.00

ARC-AGI-254.20

FrontierMath - Tier 431.30

SWE-bench Verified—

τ²-Bench—

闭源

Qwen3-Max-Thinking

阿里巴巴

HLE49.80

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified75.30

τ²-Bench82.10

闭源

Claude Sonnet 4.6

Anthropic

HLE49.00

ARC-AGI-258.30

FrontierMath - Tier 48.30

SWE-bench Verified79.60

τ²-Bench—

闭源

Qwen3.5-27B

阿里巴巴

HLE48.50

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified72.40

τ²-Bench79.00

免费商用

Gemini 3 Deep Think - 2620

Google Deep Mind

HLE48.40

ARC-AGI-284.60

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

闭源

Qwen3.5-397B-A17B

阿里巴巴

HLE48.30

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified76.40

τ²-Bench86.70

免费商用

DeepSeek-V4-Pro

DeepSeek-AI

HLE48.20

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified80.60

τ²-Bench—

免费商用

Gemini 3.0 Pro (Preview 11-2025)

Google Deep Mind

HLE45.80

ARC-AGI-245.10

FrontierMath - Tier 418.80

SWE-bench Verified76.20

τ²-Bench85.40

闭源

GPT-5.2

OpenAI

HLE45.50

ARC-AGI-254.20

FrontierMath - Tier 418.80

SWE-bench Verified80.00

τ²-Bench82.00

闭源

DeepSeek-V4-Flash

DeepSeek-AI

HLE45.10

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified79.00

τ²-Bench—

免费商用

Grok 4 Heavy

xAI

HLE44.40

ARC-AGI-2—

FrontierMath - Tier 42.10

SWE-bench Verified73.50

τ²-Bench—

闭源

Gemini 3.0 Flash

Google Deep Mind

HLE43.50

ARC-AGI-233.60

FrontierMath - Tier 44.20

SWE-bench Verified68.70

τ²-Bench90.20

闭源

Opus 4.5

Anthropic

HLE43.20

ARC-AGI-237.60

FrontierMath - Tier 44.20

SWE-bench Verified80.90

τ²-Bench81.99

闭源

GLM-4.7

智谱AI

HLE42.80

ARC-AGI-2—

FrontierMath - Tier 42.10

SWE-bench Verified73.80

τ²-Bench87.40

免费商用

GPT-5.1

OpenAI

HLE42.70

ARC-AGI-217.60

FrontierMath - Tier 412.50

SWE-bench Verified76.30

τ²-Bench—

闭源

排序：

查看全部 204 个模型的 HLE 完整排名