LiveBench 2.0

简介

LiveBench 2.0 是 LiveBench 团队在 2026 年 10 月发布的第二代综合评测，从 v1 的短问答扩展为长程智能体任务。首个版本（2026-10-14）包含 7 个子项共 471 个任务：长程智能体（18，多轮需求变更下扩展应用、模拟数月运维、性能优化）、推理（202，逻辑/空间/心智理论短题）、编程（29，基于真实已合并 PR 的缺陷修复）、浏览器操作（25，在真实 Web 应用中完成多步任务，需要截图输入）、数据分析（150）、研究（22，开放式研究报告，按评分细则打分）与设计（25，演示文稿/PDF/文档版式任务）。每个子项为单次运行的任务平均分（0–100），无法测得的任务计 0 分；总分为模型有成绩的子项等权平均。模型默认以其支持的最高推理档位运行。与 LiveBench v1 的题集、任务类型和评分方式均不同，分数不可跨版本比较。