LiveBench

Name: LiveBench
Creator: 个人

LiveBench是一个针对大型语言模型（LLM）的基准测试框架。该框架通过每月更新基于近期来源的问题集来评估模型性能。问题集涵盖数学、编码、推理、语言理解、指令遵循和数据分析等类别。LiveBench采用自动评分机制，确保评估基于客观事实而非主观判断。基准测试的总问题数量约为1000个，每月替换约1/6的问题，以维持测试的有效性。

更新于 2026-03-18

1,372 次浏览

问题数量

1000

发布机构

个人

评测类别

综合评估

评测指标

Accuracy

支持语言

英文

难度等级

中等难度

简介

一种抗污染的大型语言模型基准测试

LiveBench Model Score Leaderboard

Source: DataLearnerAI

Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology

模式说明:

normal

thinking

low

medium

high

deeper thinking

parallel_thinking

图表加载中...

Latest LiveBench model rankings and full benchmark leaderboard

Browse the latest scores, model modes, release dates, and parameter sizes for LiveBench.

排名	模型
1	GPT-5 Thinking Level · High	79.33	2025-08-07	未知
2	GPT-5 Thinking Level · Medium	78.85	2025-08-07	未知
3	GPT-5-Pro Thinking Level · Medium	78.73	2025-08-07	未知
4	Claude Sonnet 4.5 Thinking Level · Medium	78.26	2025-09-30	未知
5	GPT-5 Codex Thinking Level · Medium	78.24	2025-09-15	未知
6	Claude Opus 4.5 Thinking Level · High	75.58	2025-11-25	未知
7	Claude Opus 4.1 Thinking Level · Medium	75.25	2025-08-06	未知
8	Claude Opus 4.5 Thinking Level · Medium	74.87	2025-11-25	未知
9	Gemini 3.0 Pro (Preview 11-2025) Thinking Level · Medium	74.14	2025-11-18	未知
10	Claude Sonnet 4 Thinking Level · Medium	73.82	2025-05-23	未知
11	Grok 4 Normal	72.84	2025-07-10	未知
12	Gemini 2.5-Pro Thinking Level · Medium	71.92	2025-06-05	未知
13	GPT-5-mini Normal	71.86	2025-08-07	未知
14	DeepSeek V3.2-Exp Thinking Level · Medium	71.64	2025-09-29	6710
15	DeepSeek-V3.1 Terminus Thinking Level · Medium	71.4	2025-09-22	6710
16	Haiku 4.5 Deep Thinking	71.38	2025-10-15	未知
17	GLM-4.6 Normal	71.22	2025-09-30	3550
18	GLM-4.6 Thinking Level · Medium	71.22	2025-09-30	3550
19	Claude Sonnet 4.5 Normal	70.56	2025-09-30	未知
20	Qwen3 Max (Preview) Normal	69.86	2025-09-05	未知
21	DeepSeek-R1 Normal	69.41	2025-01-20	6710
22	Qwen3-235B-A22B-Thinking-2507 Thinking Level · Medium	69.11	2025-07-25	2350
23	Claude Sonnet 3.7 Thinking Level · Medium	68.64	2025-02-25	未知
24	Gemini 2.5 Flash-Preview-09-2025 Thinking Level · Medium	68.2	2025-09-25	未知
25	Grok 4 Fast Normal	68.09	2025-09-19	未知
26	Kimi K2 Thinking Thinking Level · Medium	67.93	2025-11-06	10400
27	Claude Opus 4.1 Normal	67.77	2025-08-06	未知
28	DeepSeek V3.2-Exp Normal	66.64	2025-09-29	6710
29	Claude Sonnet 4 Normal	65.4	2025-05-23	未知
30	Qwen3-235B-A22B-2507 Normal	65.18	2025-07-21	2350