开源大模型排行榜
聚合开源与开放权重大模型在主流评测基准上的排名，并集中对比得分、参数规模与许可证信息。
单项评测排名
按数学、编程、Agent 等维度筛选排名。下方可切换评测基准，也可直接进入分类排行榜查看完整排名。 查看全部评测基准。
AI 模型推荐
按 AIME2025 排序大模型性能评测结果
数据来源：DataLearnerAI点击任意行查看模型详情；勾选左侧 可对比最多 4 个模型。表中分数为各评测模式中的最高得分。
排行榜常见问题
排行榜上收录了哪些开源大模型？
榜单聚合开放权重或代码公开的大模型，包括 Llama、Qwen、DeepSeek、Mistral、GLM 等模型。这里可能包含宽松协议、非商用协议或其他受限商用协议；GPT、Claude 等仅 API 可用的闭源模型不在此列表中，可在主排行榜查看。
为什么同一模型在不同基准上分数差异很大？
每个基准测的能力不一样：推理类（HLE、ARC-AGI-2）、数学类（AIME、FrontierMath）、编程类（SWE-bench Verified）、Agent 工具使用类（τ²-Bench）等。模型在某一能力上专门优化后，往往会牺牲另一些能力，因此排行榜按基准分别展示，而不是合并成一个分数。
排行榜多久更新一次？
数据每 5 分钟自动重新校验一次；新模型或新评测结果一旦公开就会同步收录。页面顶部的"数据更新于"指示器反映最近一次数据刷新时间。
综合排名应该怎么解读？
综合榜聚合了模型在多个核心基准上的位次，可作为初筛工具。但落地选型时建议进入与你业务最相关的单项基准查看，例如 Coding Agent 看 SWE-bench Verified、工具调用场景看 τ²-Bench。
这些开源大模型可以本地运行吗？
大多数榜单上的开源模型在 Hugging Face 或 GitHub 公开权重，可通过 vLLM、Ollama、llama.cpp 等推理框架部署。硬件需求随参数规模上升：7B 模型可在单张消费级 GPU 运行，65B 以上通常需要多卡或量化部署。
综合排名
从三个视角参考大模型表现：AA 智能指数汇总标准化能力评测，LMArena 反映匿名对战中的用户偏好，Vals Index 衡量按行业经济权重加权的实际任务能力。三个榜单各自排名，分数不跨榜比较。
知名模型开发商
查看全部 114 家机构点击进入开发商主页，查看其全部模型、系列与产品线。
阿里巴巴
OpenAIGoogle DeepMind
MistralAIFacebook AI研究实验室
微软
智谱AI
DeepSeek-AIAnthropic
xAI
Google Research
字节跳动Seed团队
百度
Stability AI
模型对比分析
逐项对比的深度分析：评测分差到底意味着什么，以及什么场景该选哪一个。
MiniMax M3.1 Flash vs DeepSeek V4.1 Flash 1017：两款百万上下文轻量模型对比
两款模型都是 2026 年 10 月发布的轻量推理模型，均支持约 100 万 token 上下文。谷时两者的非缓存输入与输出标价相同（每百万 token 0.15 / 0.60 美元），DeepSeek 峰时翻倍、缓存读取更便宜。公开评测中 DeepSeek 在 DeepSWE、NL2Repo、Terminal-Bench 4.0 等代理编程项目领先，MiniMax 在 AutomationBench 和 HLE 上略高；DeepSeek 以 MIT 协议开放权重，MiniMax 为闭源 API。
Claude Haiku 5.5 vs GPT-6 Luna：官网评测领先，长上下文成本如何取舍？
Anthropic 的 Haiku 5.5 官网对比图中，Haiku 在 Terminal-Bench 4.0 为 39.2%，Luna 为 16.4%；FrontierCode 1.1 Main 为 46.4% 对 42.4%，Chartography 无工具为 46.4% 对 29.1%。这是厂商公布的对比，具体推理档位未完整注明。两者短提示标准 API 单价相同，但 Haiku 超过 100K 输入 tokens 后涨价，Luna 的阈值为 272K。本文结合官网图表与站内价格讨论质量和成本取舍。
Haiku 5.5 与 DeepSeek-V4.1-Flash：短提示、长上下文与 API 成本怎么选？
Haiku 5.5 与 DeepSeek-V4.1-Flash 的 API 成本和规格对比：Haiku 提示长度 ≤100K 时，每百万 tokens 普通输入／输出为 0.1／0.5 美元，超过 100K 则为 0.5／2.5 美元；DeepSeek-V4.1-Flash 非高峰为 0.15／0.6 美元。两者上下文均为 1M。当前共同评测尚不足，本文不判定能力胜负，而是结合分档价格、缓存和输出规格给出试用建议。
Haiku 5.5 与 GLM-5.3-Flash：短提示、长上下文与 API 成本怎么选？
Haiku 5.5 与 GLM-5.3-Flash 的 API 成本和规格对比：Haiku 提示长度 ≤100K 时，每百万 tokens 普通输入／输出为 0.1／0.5 美元，超过 100K 则为 0.5／2.5 美元；GLM-5.3-Flash standard为 0.15／0.5 美元。两者上下文均为 1M。当前共同评测尚不足，本文不判定能力胜负，而是结合分档价格、缓存和输出规格给出试用建议。
探索更多
排行榜只覆盖参与评测的模型。你还可以按模型、机构或评测基准浏览完整内容。