GAIA 是 Meta / Hugging Face 等提出的通用 AI Assistant 基准,包含 466 个真实问题,要求模型综合推理、多模态理解、网页浏览和工具使用能力;公开部分问题并保留部分答案用于排行榜。
查看 GAIA 的最新得分、模型模式、发布时间与参数规模,快速了解当前完整榜单表现。
数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法
排名规则:按「Accuracy」从高到低排列,同分并列。同一模型的不同思考档位或工具设置各占一行、分别排名。
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
![]() Claude Sonnet 4.5 常规模式工具 | 74.55 | 2025-09-30 | 未知 | 闭源 | |
![]() Claude Sonnet 4.5 思考水平·高工具 | 70.91 | 2025-09-30 | 未知 | 闭源 | |
![]() Opus 4.1 思考水平·高工具 | 68.48 | 2025-08-06 | 未知 | 闭源 | |
4 | ![]() Claude Opus 4 思考水平·高工具 | 64.85 | 2025-05-23 | 未知 | 闭源 |
5 | ![]() Claude Sonnet 3.7 思考水平·高工具 | 64.24 | 2025-02-25 | 未知 | 闭源 |
5 | ![]() Opus 4.1 常规模式工具 | 64.24 | 2025-08-06 | 未知 | 闭源 |
7 | ![]() GPT-5 思考水平·中工具 | 59.39 | 2025-08-07 | 未知 | 闭源 |
8 | ![]() OpenAI o4 - mini 思考水平·低工具 | 58.18 | 2025-04-16 | 未知 | 闭源 |
9 | ![]() Claude Sonnet 3.7 常规模式工具 | 56.36 | 2025-02-25 | 未知 | 闭源 |
9 | ![]() Haiku 4.5 常规模式工具 | 56.36 | 2025-10-15 | 未知 | 闭源 |
11 | ![]() OpenAI o4 - mini 思考水平·高工具 | 54.55 | 2025-04-16 | 未知 | 闭源 |
12 | ![]() GPT-4.1 常规模式工具 | 49.70 | 2025-04-14 | 未知 | 闭源 |
13 | ![]() DeepSeek-R1 开启思考工具 | 30.30 | 2025-01-20 | 6710亿 | 免费商用 |
13 | ![]() Claude Opus 4 常规模式工具 | 30.30 | 2025-05-23 | 未知 | 闭源 |
15 | ![]() DeepSeek-V3-0324 常规模式工具 | 29.39 | 2025-03-24 | 6710亿 | 免费商用 |
16 | ![]() OpenAI o3 思考水平·中工具 | 28.48 | 2025-04-16 | 未知 | 闭源 |
截至 2026-10-25,GAIA 按「Accuracy」排名(越高越好),共收录 11 个模型。Claude Sonnet 4.5 74.55% 位列第一,其后是 Opus 4.1(高档) 68.48%、Claude Opus 4(高档) 64.85%。近半年没有新发布的模型在此榜单报告成绩(最新一款发布于 2025-10),排名主要反映较早一代模型。开源权重模型中表现最好的是 DeepSeek-R1 30.3%,排第 9 位。