PostTrainBench 测试智能体能否从零完成小型基座模型的后训练：给定基座模型、目标评测、一块 H100 和 10 小时，智能体需自行搭建训练流程，不提供起始代码或数据。禁止用测试数据训练或替换其他模型，并检查奖励作弊。
查看 PostTrain Bench 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 | |||
|---|---|---|---|---|---|
 GLM-5.3 思考水平·Max工具 | 39.80 | 2026-08-14 | 7440亿 | 有条件商用 | |
 MiniMax M3 开启思考工具 | 37.00 | 2026-06-01 | 4280亿 | 非商用 | |
 Kimi K3 思考水平·Max工具 | 36.60 | 2026-07-16 | 28000亿 | 有条件商用 | |
4 |  Hy4 preview 思考水平·高工具 | 35.60 | 2026-08-28 | 7700亿 | 免费商用 |
5 | GLM-5.2 思考水平·Max工具 | 34.30 | 2026-06-13 | 7533.3亿 | 免费商用 |
Kimi K3 (max) 官方发布成绩：36.6（2026-07-16）。
