MultiChallenge 评估大模型在真实多轮对话中的表现，覆盖指令保持、推理记忆、版本化编辑和自洽性四类挑战，使用带实例级评分要点的 LLM judge 判定。
查看 MultiChallenge 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 | |||
|---|---|---|---|---|---|
 MAI-Thinking-1 开启思考 | 53.00 | 2026-06-02 | 10000亿 | 闭源 |
