GoBench 通过与校准后的 KataGo 对手进行完整的 9×9 围棋对局，评估大语言模型的通用推理与上下文持续学习能力。主模型榜收录 Track 1：通过多轮 API 对弈，不使用工具；保留模型版本、推理档位与 Elo 置信区间。Track 2 为编程 agent 在限定预算内构建围棋引擎，Track 3 为编写教程后由无工具模型对弈；这些系统赛道与直接对弈成绩不可混排。Elo 不是百分比，任务对局数随配置变化。
查看 GoBench 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 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 GPT-6 Astra 思考水平·Max | 2568.00 | 2026-09-03 | 未知 | 闭源 | |
GPT-6.1 Sol 思考水平·Max | 2379.00 | 2026-09-29 | 未知 | 闭源 | |
 Gemini 4 Argon 思考水平·高 | 2353.00 | 2026-10-13 | 未知 | 闭源 | |
4 | GPT-6 Astra 思考水平·低 | 2301.00 | 2026-09-03 | 未知 | 闭源 |
5 |  Claude Opus 5.5 思考水平·高 | 2276.00 | 2026-09-22 | 未知 | 闭源 |
6 | Claude Fable 5.1 思考水平·Max | 2269.00 | 2026-09-01 | 未知 | 闭源 |
7 | Claude Opus 5 思考水平·Max | 2256.00 | 2026-07-24 | 未知 | 闭源 |
8 | GPT-6 Astra 思考水平·高 | 2227.00 | 2026-09-03 | 未知 | 闭源 |
9 | GPT-6.1 Sol 思考水平·高 | 2172.00 | 2026-09-29 | 未知 | 闭源 |
10 | Claude Fable 5.1 思考水平·高 | 2122.00 | 2026-09-01 | 未知 | 闭源 |
11 | Claude Sonnet 5.5 思考水平·高 | 2087.00 | 2026-09-28 | 未知 | 闭源 |
12 | Claude Opus 5 思考水平·高 | 2076.00 | 2026-07-24 | 未知 | 闭源 |
13 | GPT-6 Sol 思考水平·Max | 2006.00 | 2026-09-22 | 未知 | 闭源 |
14 | GPT-5.6 Sol 思考水平·Max | 1929.00 | 2026-06-26 | 未知 | 闭源 |
15 | GPT-5.6 Sol 思考水平·高 | 1846.00 | 2026-06-26 | 未知 | 闭源 |
16 | Gemini 3.1 Pro Preview 思考水平·高 | 1797.00 | 2026-02-20 | 未知 | 闭源 |
17 |  DeepSeek-V4.1-Flash 思考水平·Max | 1707.00 | 2026-09-10 | 5520亿 | 免费商用 |
18 | DeepSeek-V4.1-Flash-1017 思考水平·Max | 1634.00 | 2026-10-17 | 未知 | 免费商用 |
19 | Gemini 3.8 Flash 思考水平·高 | 1616.00 | 2026-09-02 | 未知 | 闭源 |
20 | GPT-6 Sol 思考水平·高 | 1499.00 | 2026-09-22 | 未知 | 闭源 |
21 | DeepSeek V4 Flash 0731 思考水平·Max | 1449.00 | 2026-07-31 | 未知 | 免费商用 |
22 | DeepSeek-V4.1-Flash 思考水平·高 | 1381.00 | 2026-09-10 | 5520亿 | 免费商用 |
23 | Gemini 3.6 Flash 思考水平·高 | 1336.00 | 2026-07-21 | 未知 | 闭源 |
24 | DeepSeek V4 Flash 0731 思考水平·高 | 1189.00 | 2026-07-31 | 未知 | 免费商用 |
25 | GPT-6 Luna 思考水平·Max | 1120.00 | 2026-09-22 | 未知 | 闭源 |
26 | GPT-5.6 Luna 思考水平·高 | 1091.00 | 2026-06-26 | 未知 | 闭源 |
27 | GPT-5.6 Luna 思考水平·Max | 1058.00 | 2026-06-26 | 未知 | 闭源 |
28 |  Grok 4.6 思考水平·极高 | 1045.00 | 2026-08-12 | 未知 | 闭源 |
29 | Grok 4.6 思考水平·高 | 916.00 | 2026-08-12 | 未知 | 闭源 |
30 | GPT-6 Luna 思考水平·高 | 830.00 | 2026-09-22 | 未知 | 闭源 |
上方模型榜仅包含 Track 1：无工具的多轮 API 对弈。下表为官方发布的引擎生成与教程辅助对弈结果；应在同一赛道及学习预算内比较，不与模型直接对弈成绩混排。
官方快照核对日期：2026-10-25 · 官方方法与成绩
编程 agent 在无互联网、无法使用 KataGo 的条件下，用 1／2／4／8 小时构建引擎；生成的引擎以每局 1 分钟预算参加评测。
| 模型／Agent | 学习预算 | Elo ± 95% CI | 对局数 |
|---|---|---|---|
| Claude Opus 5.5 · Highclaude-code | 1h | 3,211 ± 50 | 300 |
| Claude Opus 5.5 · Highclaude-code | 2h | 3,389 ± 51 | 300 |
| GPT-5.6 Sol · Highcodex | 1h | 2,609 ± 51 | 300 |
| GPT-5.6 Sol · Highcodex | 2h | 2,472 ± 51 | 300 |
| GPT-5.6 Sol · Highcodex | 4h | 2,388 ± 51 | 300 |
| GPT-5.6 Sol · Highcodex | 8h | 2,492 ± 51 | 300 |
| GPT-6 Astra · Highcodex | 1h | 3,063 ± 50 | 300 |
| GPT-6 Astra · Highcodex | 2h | 3,230 ± 50 | 300 |
| GPT-6 Astra · Highcodex | 4h | 3,313 ± 50 | 300 |
| GPT-6 Astra · Highcodex | 8h | 3,264 ± 50 | 300 |
编程 agent 可使用 KataGo，在指定预算内编写 5,000 token 的教程，再由无工具模型通过多轮 API 对弈，教程置于上下文开头；来源中的教师和学生均为 GPT-6 Astra High。
| 模型／Agent | 学习预算 | Elo ± 95% CI | 对局数 |
|---|---|---|---|
| GPT-6 Astra · HighCodex tutorial → multi-turn API | 1h | 2,341 ± 173 | 20 |
| GPT-6 Astra · HighCodex tutorial → multi-turn API | 2h | 2,550 ± 181 | 20 |
| GPT-6 Astra · HighCodex tutorial → multi-turn API | 4h | 2,386 ± 175 | 20 |
| GPT-6 Astra · HighCodex tutorial → multi-turn API | 8h | 2,375 ± 170 | 20 |
该快照中最强 KataGo 参考引擎为 4,424 Elo；它是专用引擎，不属于大语言模型。评分基于校准后的对手梯度和有限样本，小分差及重叠的置信区间不宜解读为可靠优势。
以下来源变体仅供参考，未映射为基础 Muse Spark 1.3 模型。
