随着大型语言模型（LLM）的飞速发展，如何准确、全面地评估它们的能力成为了一个日益重要的课题。在众多评测基准中，Simple Bench 以其独特的定位脱颖而出，它专注于检验模型在日常人类推理方面的能力，而在这些方面，当前最先进的模型往往还不如普通人。本文将详细介绍 Simple Bench 评测基准，探讨其出现的背景、设计理念、评测流程以及当前主流模型的表现。
一个用于评估大模型常识水平的评测基准
查看 Simple 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 | |||
|---|---|---|---|---|---|
 Claude Fable 5 常规模式 | 81.90 | 2026-06-09 | 未知 | 闭源 | |
79.60 | 2026-02-20 | 未知 | 闭源 | ||
 GPT-5.5 Pro 常规模式 | 76.90 | 2026-04-23 | 未知 | 闭源 | |
4 |  Gemini 3.5 Flash 常规模式 | 76.70 | 2026-06-20 | 未知 | 闭源 |
5 | 76.40 | 2025-11-18 | 未知 | 闭源 | |
6 |  Qwen3.7 Max 常规模式 | 70.40 | 2026-05-20 | 未知 | 闭源 |
7 | GPT-5.5 常规模式 | 69.00 | 2026-04-23 | 未知 | 闭源 |
8 | Claude Opus 4.6 常规模式 | 67.60 | 2026-02-05 | 未知 | 闭源 |
9 | Claude Opus 4.8 常规模式 | 64.80 | 2026-05-28 | 未知 | 闭源 |
10 | 63.00 | 2026-04-18 | 未知 | 闭源 | |
11 | Gemini 2.5-Pro 开启思考 | 62.40 | 2025-06-05 | 未知 | 闭源 |
12 | Opus 4.5 扩展思考 | 62.00 | 2025-11-25 | 未知 | 闭源 |
13 | Opus 4.7 常规模式 | 61.70 | 2026-04-16 | 未知 | 闭源 |
14 | GPT-5-Pro 开启思考 | 61.60 | 2025-08-07 | 未知 | 闭源 |
15 |  Grok 4 开启思考 | 60.50 | 2025-07-10 | 未知 | 闭源 |
16 | Opus 4.1 扩展思考 | 60.00 | 2025-08-06 | 未知 | 闭源 |
17 | Claude Opus 4 开启思考 | 58.80 | 2025-05-23 | 未知 | 闭源 |
18 |  GLM-5.2 常规模式 | 58.80 | 2026-06-13 | 7533.3亿 | 免费商用 |
19 | GPT-5.2 Pro 思考水平·极高 | 57.40 | 2025-12-11 | 未知 | 闭源 |
20 | GPT-5 思考水平·高 | 56.70 | 2025-08-07 | 未知 | 闭源 |
21 | Grok 4.1 Fast 常规模式 | 56.00 | 2025-11-19 | 未知 | 闭源 |
22 | 54.30 | 2025-09-30 | 未知 | 闭源 | |
23 | GPT-5.1 思考水平·高 | 53.20 | 2025-11-12 | 未知 | 闭源 |
24 | GLM-5 常规模式 | 53.20 | 2026-02-11 | 7440亿 | 免费商用 |
25 | OpenAI o3 思考水平·高 | 53.10 | 2025-04-16 | 未知 | 闭源 |
26 | 52.60 | 2025-12-01 | 未知 | 免费商用 | |
27 | 51.60 | 2025-03-25 | 未知 | 闭源 | |
28 |  DeepSeek-V4-Pro 常规模式 | 50.90 | 2026-04-24 | 16000亿 | 免费商用 |
29 | GLM-4.7 开启思考 | 47.70 | 2025-12-22 | 3580亿 | 免费商用 |
30 |  Kimi K2.5 开启思考 | 46.80 | 2026-01-27 | 10000亿 | 免费商用 |
