大模型评测基准与性能对比

大模型排名数据表格

排名	模型	MMLU Pro	GPQA Diamond	SWE-bench Verified	MATH-500	AIME 2024	LiveCodeBench	参数(亿)	开源情况
1	OpenAI o1	91.04	77.30	48.90	96.40	79.20	71.00	未知	不开源
2	Hunyuan-T1	87.20	69.30	未公布	96.20	78.20	64.90	未知	不开源
3	Grok 4	87.00	未公布	未公布	未公布	未公布	未公布	未知	不开源
4	GPT-4.5	86.10	71.40	38.00	90.70	36.70	46.40	未知	不开源
5	Gemini-2.5-Pro	86.00	未公布	未公布	98.80	92.00	77.10	未知	不开源
6	OpenAI o3	85.60	未公布	未公布	98.10	91.60	75.80	未知	不开源
7	Claude Opus 4	85.00	79.60	72.50	98.20	76.00	56.60	未知	不开源
8	DeepSeek-R1-0528	85.00	未公布	未公布	98.00	91.40	73.30	6,710	免费商用授权
9	GLM-4.5 thinking	84.60	79.10	64.20	98.20	91.00	72.90	3,550	免费商用授权
10	Qwen3-235B-A22B-Thinking thinking	84.40	81.10	未公布	未公布	未公布	74.10	305	免费商用授权
11	Qwen3-235B-A22B-Thinking-2507 thinking	84.40	81.10	未公布	未公布	未公布	74.10	2,350	免费商用授权
12	DeepSeek-R1	84.00	71.50	49.20	97.30	79.80	65.90	6,710	免费商用授权
13	Intern-S1	83.50	77.30	未公布	未公布	未公布	未公布	2,410	免费商用授权
14	Qwen3-235B-A22B-2507	83.00	77.50	未公布	未公布	未公布	51.80	2,350	免费商用授权
15	Pangu Pro MoE	82.60	73.70	未公布	96.80	79.20	59.60	719	免费商用授权
16	Llama 4 Behemoth Instruct	82.20	73.70	未公布	95.00	未公布	49.40	20,000	免费商用授权
17	GLM-4.5-Air thinking	81.40	75.00	57.60	98.10	89.40	70.70	1,060	免费商用授权
18	DeepSeek-V3-0324	81.20	68.40	38.80	94.00	59.40	49.20	6,810	免费商用授权
19	MiniMax-M1-80k	81.10	70.00	56.00	96.80	86.00	65.00	4,560	免费商用授权
20	Kimi K2	81.10	75.10	51.80	97.40	69.60	53.70	10,000	免费商用授权
21	MiniMax-M1-40k	80.60	69.20	55.60	96.00	83.30	62.30	4,560	免费商用授权
22	OpenAI o4 - mini thinking	80.60	81.40	68.10	未公布	93.40	未公布	未知	不开源
23	Llama 4 Maverick Instruct	80.50	69.80	未公布	未公布	未公布	43.40	4,000	免费商用授权
24	GPT-4.1	80.50	66.30	54.60	92.80	48.10	40.50	未知	不开源
25	OpenAI o1-mini	80.30	60.00	未公布	90.00	63.60	52.00	未知	不开源
26	GPT-4o(2025-03-27)	79.80	66.90	未公布	未公布	未公布	35.80	未知	不开源
27	Gemini 2.0 Pro Experimental	79.10	64.70	未公布	未公布	36.00	未公布	未知	不开源
28	Pangu Embedded	79.00	未公布	未公布	92.40	81.90	67.10	70	免费商用授权
29	Hunyuan-TurboS	79.00	57.50	未公布	未公布	未公布	32.00	未知	不开源
30	GPT OSS 120B thinking	79.00	80.10	60.10	未公布	未公布	未公布	117	免费商用授权
31	Qwen3-30B-A3B-2507	78.40	70.40	未公布	未公布	未公布	43.20	305	免费商用授权
32	ERNIE-4.5-300B-A47B	78.40	未公布	未公布	96.40	54.80	38.80	3,000	免费商用授权
33	Claude 3.5 Sonnet New	78.00	65.00	49.00	78.00	16.00	38.70	未知	不开源
34	GPT-4o(2024-11-20)	77.90	未公布	未公布	未公布	未公布	未公布	未知	不开源
35	GPT-4o	77.90	70.10	31.00	75.90	9.30	35.10	未知	不开源
36	Claude 3.5 Sonnet	77.64	59.40	未公布	未公布	未公布	未公布	未知	不开源
37	Gemini 2.0 Flash Experimental	76.24	65.20	21.40	未公布	未公布	29.10	未知	不开源
38	Qwen2.5-Max	76.10	未公布	未公布	未公布	未公布	未公布	未知	不开源
39	Gemini 1.5 Pro	76.10	53.50	未公布	未公布	未公布	未公布	未知	不开源
40	QwQ-32B	76.00	58.00	未公布	91.00	79.50	未公布	325	免费商用授权
41	DeepSeek-V3	75.90	59.10	未公布	87.80	39.00	34.60	6,810	免费商用授权
42	Grok 2	75.50	56.00	未公布	未公布	未公布	未公布	未知	不开源
43	Llama 4 Scout Instruct	74.30	57.20	未公布	未公布	未公布	32.80	1,090	免费商用授权
44	GPT OSS 20B thinking	74.00	71.50	未公布	未公布	未公布	未公布	210	免费商用授权
45	Llama3.1-405B Instruct	73.40	49.00	未公布	未公布	未公布	30.20	4,050	免费商用授权
46	Qwen3-235B-A22B	72.90	71.10	34.40	96.20	85.70	70.70	2,350	免费商用授权
47	Qwen3-8B	72.50	39.30	未公布	87.40	79.40	61.80	80	免费商用授权
48	GLM-4-9B-Chat	72.40	未公布	未公布	未公布	76.40	51.80	90	免费商用授权
49	Gemini 2.0 Flash-Lite	71.60	51.50	未公布	未公布	未公布	28.90	未知	不开源
50	QwQ-32B-Preview	70.97	未公布	未公布	90.60	50.00	未公布	320	免费商用授权
51	Phi 4 - 14B	70.40	未公布	未公布	未公布	未公布	未公布	140	不可以商用
52	Qwen2.5-32B	69.23	未公布	未公布	未公布	未公布	51.20	320	免费商用授权
53	Qwen3-30B-A3B	69.10	54.80	未公布	未公布	未公布	29.00	305	免费商用授权
54	Mistral-Small-3.2	69.06	46.13	未公布	未公布	未公布	未公布	240	免费商用授权
55	Llama3.3-70B-Instruct	68.90	50.50	未公布	未公布	未公布	33.30	700	免费商用授权
56	Claude3-Opus	68.45	50.40	未公布	未公布	未公布	未公布	未知	不开源
57	Gemma 3 - 27B (IT)	67.50	42.40	未公布	未公布	25.30	29.70	270	免费商用授权
58	Hunyuan-A13B-Instruct	67.23	71.20	未公布	未公布	87.30	63.90	800	免费商用授权
59	Mistral-Small-3.1-24B-Instruct-2503	66.76	45.96	未公布	未公布	未公布	未公布	240	免费商用授权
60	Llama3.1-70B-Instruct	66.40	48.00	未公布	未公布	未公布	33.30	700	免费商用授权
61	Claude 3.5 Haiku	65.00	41.60	未公布	未公布	未公布	未公布	未知	不开源
62	Qwen2.5-14B	63.69	未公布	未公布	未公布	未公布	未公布	140	免费商用授权
63	Llama 4 Maverick	62.90	未公布	未公布	未公布	未公布	未公布	4,000	免费商用授权
64	GPT-4o mini	61.70	41.10	未公布	未公布	未公布	未公布	未知	不开源
65	Llama3.1-405B	61.60	未公布	未公布	未公布	未公布	未公布	4,050	免费商用授权
66	Gemma 3 - 12B (IT)	60.60	40.90	未公布	未公布	未公布	24.60	120	免费商用授权
67	Llama 4 Scout	58.20	未公布	未公布	未公布	未公布	未公布	1,090	免费商用授权
68	Qwen2.5-72B	58.10	45.90	未公布	未公布	未公布	未公布	727	免费商用授权
69	Claude3-Sonnet	56.80	未公布	未公布	未公布	未公布	未公布	未知	不开源
70	Gemma2-27B	56.54	未公布	未公布	未公布	未公布	未公布	270	免费商用授权
71	Mixtral-8x22B-Instruct-v0.1	56.33	未公布	未公布	未公布	未公布	未公布	1,410	免费商用授权
72	Llama3-70B-Instruct	56.20	未公布	未公布	未公布	未公布	未公布	700	免费商用授权
73	Phi-4-mini-instruct (3.8B)	52.80	36.00	未公布	71.80	10.00	未公布	38	免费商用授权
74	Llama3-70B	52.78	未公布	未公布	未公布	未公布	未公布	700	免费商用授权
75	Llama3.1-70B	52.47	未公布	未公布	未公布	未公布	未公布	700	免费商用授权
76	Grok-1.5	51.00	35.90	未公布	未公布	未公布	未公布	未知	不开源
77	C4AI Aya Vision 32B	47.16	33.84	未公布	未公布	未公布	未公布	320	不可以商用
78	Qwen2.5-7B	45.00	36.40	未公布	未公布	未公布	未公布	70	免费商用授权
79	Gemma 2 - 9B	44.70	32.80	未公布	未公布	未公布	未公布	90	免费商用授权
80	Llama3.1-8B-Instruct	44.00	26.30	未公布	未公布	未公布	未公布	80	免费商用授权
81	Moonlight-16B-A3B-Instruct	42.40	未公布	未公布	未公布	未公布	未公布	160	免费商用授权
82	Llama3.1-8B	35.40	25.80	未公布	未公布	未公布	未公布	80	免费商用授权
83	Qwen2.5-3B	34.60	24.30	未公布	未公布	未公布	未公布	30	免费商用授权
84	Mistral-7B-Instruct-v0.3	30.90	24.70	未公布	未公布	未公布	未公布	70	免费商用授权
85	Llama-3.2-3B	25.00	26.60	未公布	未公布	未公布	未公布	32	免费商用授权
86	Kimi k1.5 (Long-CoT)	未公布	未公布	未公布	96.20	未公布	未公布	未知	不开源
87	Qwen3-8B thinking	未公布	62.00	未公布	97.40	76.00	57.50	80	免费商用授权
88	OpenAI o4 - mini thinking + 使用工具	未公布	未公布	未公布	未公布	98.70	未公布	未知	不开源
89	Hunyuan-7B	未公布	60.10	未公布	93.70	81.10	57.00	70	免费商用授权
90	GPT OSS 120B thinking + 使用工具	未公布	未公布	未公布	未公布	96.60	未公布	117	免费商用授权
91	GPT OSS 20B thinking + 使用工具	未公布	未公布	未公布	未公布	96.00	未公布	210	免费商用授权
92	Claude Opus 4.1 thinking + 使用工具	未公布	80.90	74.50	未公布	未公布	未公布	未知	不开源
93	Gemini 2.5 Deep Think deeper_thinking	未公布	未公布	未公布	未公布	未公布	87.60	未知	不开源
94	OpenAI o3-mini thinking	未公布	70.60	40.80	95.80	60.00	未公布	未知	不开源
95	Step3	未公布	73.00	未公布	未公布	未公布	67.10	3,210	免费商用授权
96	Amazon Nova Pro	未公布	未公布	未公布	未公布	未公布	未公布	未知	不开源
97	DeepSeek-R1-0528 thinking	未公布	81.00	57.60	未公布	未公布	未公布	6,710	免费商用授权
98	GPT-5 thinking + 使用工具	未公布	87.30	未公布	未公布	未公布	未公布	未知	不开源
99	GPT-5 thinking	未公布	85.70	74.90	未公布	未公布	未公布	未知	不开源
100	Grok 4 thinking	未公布	87.00	58.60	未公布	未公布	82.00	未知	不开源
101	OpenAI o3 thinking	未公布	83.30	69.10	未公布	未公布	未公布	未知	不开源
102	Gemini-2.5-Pro thinking	未公布	86.40	67.20	未公布	未公布	未公布	未知	不开源
103	GPT-5-Pro thinking + 使用工具	未公布	89.40	未公布	未公布	未公布	未公布	未知	不开源
104	GPT-5-Pro thinking	未公布	88.40	未公布	未公布	未公布	未公布	未知	不开源
105	Grok-3 mini - Reasoning	未公布	84.00	未公布	未公布	96.00	未公布	未知	不开源
106	Qwen3-4B-Thinking-2507 thinking	未公布	65.80	未公布	未公布	未公布	55.20	40	免费商用授权
107	Qwen3-4B-2507	未公布	62.00	未公布	未公布	未公布	35.10	40	免费商用授权
108	Qwen3-235B-A22B thinking	未公布	71.10	未公布	98.00	85.70	70.70	2,350	免费商用授权
109	Kimi k1.5 (Short-CoT)	未公布	未公布	未公布	94.60	未公布	未公布	未知	不开源
110	Claude Sonnet 3.7	未公布	68.00	70.30	82.20	23.30	未公布	未知	不开源
111	Qwen3-32B thinking	未公布	68.40	未公布	97.20	81.40	未公布	320	免费商用授权
112	DeepSeek-R1-Distill-Llama-70B	未公布	65.20	未公布	94.50	未公布	未公布	700	免费商用授权
113	Grok 3 mini	未公布	65.00	未公布	未公布	40.00	未公布	未知	不开源
114	Grok-3 - Reasoning Beta	未公布	84.60	未公布	未公布	93.30	79.40	未知	不开源
115	Grok 4 Heavy	未公布	88.90	73.50	未公布	未公布	未公布	未知	不开源
116	Devstral Small 1.0	未公布	未公布	46.80	未公布	未公布	未公布	240	免费商用授权
117	Devstral Small 1.1	未公布	未公布	53.60	未公布	未公布	未公布	240	免费商用授权
118	Devstral Medium	未公布	未公布	61.60	未公布	未公布	未公布	未知	不开源
119	Grok 4 Code	未公布	未公布	72.00	未公布	未公布	未公布	未知	不开源
120	Kimi-k1.6-IOI	未公布	未公布	未公布	未公布	未公布	65.90	未知	不开源
121	Qwen3-32B	未公布	53.30	未公布	未公布	81.40	65.70	320	免费商用授权
122	QwQ-Max-Preview	未公布	未公布	未公布	未公布	未公布	65.60	未知	免费商用授权
123	Kimi-k1.6-IOI-high	未公布	未公布	未公布	未公布	未公布	73.80	未知	不开源
124	GPT-4.1 nano	未公布	50.30	未公布	未公布	29.40	未公布	未知	不开源
125	GPT-4.1 mini	未公布	65.00	23.60	未公布	49.60	未公布	未知	不开源
126	Grok 3	未公布	80.40	未公布	未公布	84.20	70.60	未知	不开源
127	Gemini 2.5 Pro Experimental 03-25	未公布	84.00	63.80	未公布	92.00	70.40	未知	不开源
128	Magistral-Small-2506	未公布	68.18	未公布	未公布	70.68	55.84	240	免费商用授权
129	Gemini 2.5 Flash-Lite	未公布	66.70	27.60	未公布	未公布	34.30	未知	不开源
130	Gemini 2.5 Pro Deep Think	未公布	未公布	未公布	未公布	未公布	80.40	未知	不开源
131	Gemini-2.5-Pro-Preview-05-06	未公布	83.00	63.20	98.80	92.00	77.10	未知	不开源
132	o3-pro	未公布	84.00	75.00	未公布	93.00	未公布	未知	不开源
133	ERNIE-4.5-VL-424B-A47B-Base thinking	未公布	76.80	未公布	未公布	未公布	38.80	4,240	免费商用授权
134	Qwen3-Coder-480B-A35B	未公布	未公布	67.00	未公布	未公布	未公布	4,800	免费商用授权
135	Qwen3-Coder-Flash	未公布	未公布	51.60	未公布	未公布	未公布	305	免费商用授权
136	Magistral-Medium-2506	未公布	70.83	未公布	未公布	73.59	59.36	未知	不开源
137	Claude Sonnet 3.7-64K Extended Thinking	未公布	84.80	未公布	96.20	80.00	未公布	未知	不开源
138	Grok 3.5	未公布	未公布	未公布	未公布	未公布	未公布	未知	不开源
139	OpenAI o3-mini (high)	未公布	79.70	49.30	97.90	87.00	69.50	未知	不开源
140	Gemini 2.5 Flash	未公布	78.30	63.80	未公布	88.00	63.40	未知	不开源
141	Claude Sonnet 4	未公布	75.40	72.70	未公布	43.40	48.50	未知	不开源
142	Phi-4-instruct (reasoning-trained)	未公布	49.00	未公布	90.40	50.00	未公布	38	不开源
143	DeepSeek-R1-Distill-Qwen-7B	未公布	49.50	未公布	91.40	53.30	未公布	70	免费商用授权
144	OpenAI o3-mini (medium)	未公布	未公布	未公布	未公布	未公布	67.40	未知	不开源
145	Codestral	未公布	未公布	未公布	未公布	未公布	31.50	220	不可以商用
146	Codestral 25.01	未公布	未公布	未公布	未公布	未公布	37.90	未知	不开源
147	GPT-5	未公布	77.80	未公布	未公布	未公布	未公布	未知	不开源
148	GPT-5-mini	未公布	未公布	未公布	未公布	未公布	未公布	未知	不开源