AI大模型评测排行榜

聚合 ARC-AGI-2、AIME 2025、SWE-bench Verified 等主流评测的实时排名，按综合、数学、编程、Agent 等维度快速筛选。

查看评测基准详情数据更新于 2026-09-26 00:00:00

综合排名

目前没有一个被普遍认可的"AI 模型综合排名"，因此我们选取了两个具有代表性、且切入角度不同的综合榜单并列展示。Artificial Analysis 智能指数（AA Intelligence Index）汇总编程、数学、推理等 10 项标准化评测的跑分，衡量模型的客观能力；LMArena（原 Chatbot Arena）基于全球用户匿名盲测 A/B 投票得出的 Elo 分数，反映真实使用体感。两者分别提供客观基准与主观偏好的视角。

AA Intelligence Index

完整排名

汇总编程、数学、科学、推理、智能体等 10 项标准化评测的综合分数。

数据更新于 2026年09月22日

#模型分数

Claude Fable 5.1Anthropic

GPT-6 Astra (max)OpenAI

GPT-6 Astra (xhigh)OpenAI

Claude Fable 5.1Anthropic

GPT-6 Astra (high)OpenAI

Claude Opus 5 (max)Anthropic

Claude Opus 5 (xhigh)Anthropic

GPT-6 Astra (medium)OpenAI

Claude Fable 5.1Anthropic

来源：Artificial Analysis

LMArena Text Generation

完整排名

基于匿名众包 A/B 对战的 Elo 评分，反映真实用户对回答质量的偏好。

数据更新于 2026年09月13日

#模型Elo

claude-fable-5-highAnthropic

1506

Claude Opus 4.6 (high)Anthropic

1505

Opus 4.7 (high)Anthropic

1502

Muse Spark 1.2 (xhigh)Facebook AI研究实验室

1500

Claude Fable 5.1 (max)Anthropic

1498

Claude Opus 4.6Anthropic

1497

Opus 4.7Anthropic

1494

muse-spark-1.3-maxMeta

1493

gemini-3.8-flash-highGoogle

1493

Claude Opus 5 (high)Anthropic

1493

来源：LMArena

近期排名变化

代码、数学、Agent 榜单近 30 天的排名上升、下降与新上榜模型。

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。

评测方向

综合排名

ARC-AGI-2 HLE MMLU Pro 进入全部基准列表

数学

AIME 2025 FrontierMath MATH-500 进入数学能力排行榜

编程

SWE-bench Verified LiveCodeBench SWE-Bench Pro 进入编程能力排行榜

Agent

τ²-Bench Terminal-Bench 4.0 MCP-Atlas 进入 Agent 能力排行榜

参数规模:全部 3B及以下 7B 13B 34B 65B 100B及以上

模型类型:全部推理大模型基座大模型指令优化/聊天优化大模型编程大模型

许可：全部开源闭源

地区：全部国产模型

AI 模型推荐

按 FrontierMath v2 排序

当前 SOTA

GPT-5.6 Sol

OpenAI

89.12FrontierMath v2

查看详情

最佳开源

此基准下暂无符合条件的模型。

最佳国产

Qwen3.7-Plus

阿里巴巴

34.39FrontierMath v2−54.74

查看详情

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。

排名	模型							开源情况
	GPT-5.6 Sol OpenAI	89.12	44.50	92.50	83.00	—	—	闭源	详情
	GPT-5.5 Pro OpenAI	87.72	57.20	84.58	78.05	—	—	闭源	详情
	Claude Fable 5 Anthropic	87.02	59.00	89.17	87.80	95.00	—	闭源	详情
4	GPT-5.6 Terra OpenAI	85.96	—	83.90	70.73	—	—	闭源	详情
5	Claude Opus 5 Anthropic	85.61	63.60	90.42	73.17	96.00	—	闭源	详情
6	GPT-5.5 OpenAI	85.26	52.20	85.00	72.50	—	—	闭源	详情
7	GPT-5.4 Pro OpenAI	82.46	58.70	83.33	58.54	—	—	闭源	详情
8	GPT-5.6 Luna OpenAI	82.11	—	59.54	60.98	—	—	闭源	详情
9	Claude Opus 4.8 Anthropic	80.00	57.90	72.08	56.10	88.60	—	闭源	详情
10	GPT-5.4 OpenAI	78.60	52.10	77.10	49.00	—	—	闭源	详情
11	GPT-5.2 Pro OpenAI	74.00	50.00	54.16	46.00	—	—	闭源	详情
12	Gemini 3.7 Flash Google DeepMind	71.58	—	84.58	36.59	—	—	闭源	详情
13	Opus 4.7 Anthropic	70.18	54.70	75.80	31.71	87.60	—	闭源	详情
14	GPT-5.2 OpenAI	67.40	45.50	54.20	31.70	80.00	82.00	闭源	详情
15	Claude Opus 4.6 Anthropic	65.96	53.00	69.17	26.83	80.84	91.89	闭源	详情
16	Grok 4.6 xAI	65.96	—	67.08	31.71	—	—	闭源	详情
17	Claude Sonnet 5 Anthropic	65.61	57.40	—	29.27	85.20	—	闭源	详情
18	Gemini 3.5 Flash Google DeepMind	62.81	40.20	72.08	26.83	—	—	闭源	详情
19	Gemini 3.6 Flash Google DeepMind	58.95	—	60.42	21.95	—	—	闭源	详情
20	Grok 4.5 xAI	57.19	—	52.64	24.39	—	—	闭源	详情
21	GPT-5-Pro OpenAI	55.79	42.00	18.00	19.51	—	—	闭源	详情
22	GPT-5 OpenAI	55.44	35.20	9.86	21.95	72.80	80.00	闭源	详情
23	GPT-5.4 mini OpenAI	51.23	41.50	18.90	9.76	—	—	闭源	详情
24	GPT-5-mini OpenAI	46.67	19.44	4.44	12.20	—	—	闭源	详情
25	GPT-5.4 nano OpenAI	44.91	37.70	5.69	12.20	—	—	闭源	详情
26	Grok 4.3 Beta xAI	42.81	—	—	14.63	—	—	闭源	详情
27	OpenAI o4 - mini OpenAI	36.14	18.08	6.11	4.88	68.10	56.90	闭源	详情
28	Opus 4.5 Anthropic	34.39	43.20	37.64	4.88	80.90	81.99	闭源	详情
29	Qwen3.7-Plus 阿里巴巴	34.39	—	—	—	—	—	闭源	详情
30	OpenAI o3 OpenAI	33.33	20.32	6.53	—	69.10	—	闭源	详情
31	Gemini 3.5 Flash-Lite Google DeepMind	25.96	—	10.28	—	—	—	闭源	详情
32	Claude Sonnet 4.5 Anthropic	23.86	33.60	13.61	2.44	82.00	84.70	闭源	详情
33	GPT-5-Nano OpenAI	20.00	—	2.61	2.44	—	—	闭源	详情
34	OpenAI o3-mini OpenAI	18.60	13.40	—	—	40.80	—	闭源	详情
35	Opus 4.1 Anthropic	12.63	11.52	—	2.44	74.50	—	闭源	详情
36	Haiku 4.5 Anthropic	—	9.70	4.50	—	73.30	33.00	闭源	详情
37	Claude Sonnet 4 Anthropic	—	9.60	5.93	—	80.20	52.00	闭源	详情
38	OpenAI o1 OpenAI	—	9.10	—	—	48.90	—	闭源	详情
39	Gemini 3.1 Flash-Lite Google DeepMind	—	8.64	—	—	—	—	闭源	详情
40	Gemini 2.5 Flash Google DeepMind	—	12.08	—	—	50.00	—	闭源	详情
41	Claude Opus 5.5 Anthropic	—	67.70	93.33	—	—	—	闭源	详情
42	Claude Fable 5.1 Anthropic	—	65.00	90.00	—	—	—	闭源	详情
43	Claude Mythos Preview Anthropic	—	64.70	—	—	93.90	—	闭源	详情
44	Muse Spark 1.1 Facebook AI研究实验室	—	62.10	—	—	—	—	闭源	详情
45	Gemini 2.5 Flash-Lite Google DeepMind	—	6.90	—	—	27.60	—	闭源	详情
46	GPT-5.1 Instant OpenAI	—	6.80	—	—	—	—	闭源	详情
47	Step 5 Preview StepFunAI	—	59.40	—	—	—	—	闭源	详情
48	Muse Spark Facebook AI研究实验室	—	58.00	42.50	—	77.40	—	闭源	详情
49	GPT-6 Astra OpenAI	—	57.20	95.00	97.60	—	—	闭源	详情
50	Qwen3.7 Max 阿里巴巴	—	53.50	—	—	80.40	—	闭源	详情

GPT-5.6 Sol OpenAI

FrontierMath v289.12

HLE44.50

ARC-AGI-292.50

FrontierMath Tier 4 v283.00

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5.5 Pro OpenAI

FrontierMath v287.72

HLE57.20

ARC-AGI-284.58

FrontierMath Tier 4 v278.05

SWE-bench Verified—

τ²-Bench—

闭源

Claude Fable 5 Anthropic

FrontierMath v287.02

HLE59.00

ARC-AGI-289.17

FrontierMath Tier 4 v287.80

SWE-bench Verified95.00

τ²-Bench—

闭源

GPT-5.6 Terra OpenAI

FrontierMath v285.96

HLE—

ARC-AGI-283.90

FrontierMath Tier 4 v270.73

SWE-bench Verified—

τ²-Bench—

闭源

Claude Opus 5 Anthropic

FrontierMath v285.61

HLE63.60

ARC-AGI-290.42

FrontierMath Tier 4 v273.17

SWE-bench Verified96.00

τ²-Bench—

闭源

GPT-5.5 OpenAI

FrontierMath v285.26

HLE52.20

ARC-AGI-285.00

FrontierMath Tier 4 v272.50

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5.4 Pro OpenAI

FrontierMath v282.46

HLE58.70

ARC-AGI-283.33

FrontierMath Tier 4 v258.54

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5.6 Luna OpenAI

FrontierMath v282.11

HLE—

ARC-AGI-259.54

FrontierMath Tier 4 v260.98

SWE-bench Verified—

τ²-Bench—

闭源

Claude Opus 4.8 Anthropic

FrontierMath v280.00

HLE57.90

ARC-AGI-272.08

FrontierMath Tier 4 v256.10

SWE-bench Verified88.60

τ²-Bench—

闭源

GPT-5.4 OpenAI

FrontierMath v278.60

HLE52.10

ARC-AGI-277.10

FrontierMath Tier 4 v249.00

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5.2 Pro OpenAI

FrontierMath v274.00

HLE50.00

ARC-AGI-254.16

FrontierMath Tier 4 v246.00

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 3.7 Flash Google DeepMind

FrontierMath v271.58

HLE—

ARC-AGI-284.58

FrontierMath Tier 4 v236.59

SWE-bench Verified—

τ²-Bench—

闭源

Opus 4.7 Anthropic

FrontierMath v270.18

HLE54.70

ARC-AGI-275.80

FrontierMath Tier 4 v231.71

SWE-bench Verified87.60

τ²-Bench—

闭源

GPT-5.2 OpenAI

FrontierMath v267.40

HLE45.50

ARC-AGI-254.20

FrontierMath Tier 4 v231.70

SWE-bench Verified80.00

τ²-Bench82.00

闭源

Claude Opus 4.6 Anthropic

FrontierMath v265.96

HLE53.00

ARC-AGI-269.17

FrontierMath Tier 4 v226.83

SWE-bench Verified80.84

τ²-Bench91.89

闭源

Grok 4.6 xAI

FrontierMath v265.96

HLE—

ARC-AGI-267.08

FrontierMath Tier 4 v231.71

SWE-bench Verified—

τ²-Bench—

闭源

Claude Sonnet 5 Anthropic

FrontierMath v265.61

HLE57.40

ARC-AGI-2—

FrontierMath Tier 4 v229.27

SWE-bench Verified85.20

τ²-Bench—

闭源

Gemini 3.5 Flash Google DeepMind

FrontierMath v262.81

HLE40.20

ARC-AGI-272.08

FrontierMath Tier 4 v226.83

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 3.6 Flash Google DeepMind

FrontierMath v258.95

HLE—

ARC-AGI-260.42

FrontierMath Tier 4 v221.95

SWE-bench Verified—

τ²-Bench—

闭源

Grok 4.5 xAI

FrontierMath v257.19

HLE—

ARC-AGI-252.64

FrontierMath Tier 4 v224.39

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5-Pro OpenAI

FrontierMath v255.79

HLE42.00

ARC-AGI-218.00

FrontierMath Tier 4 v219.51

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5 OpenAI

FrontierMath v255.44

HLE35.20

ARC-AGI-29.86

FrontierMath Tier 4 v221.95

SWE-bench Verified72.80

τ²-Bench80.00

闭源

GPT-5.4 mini OpenAI

FrontierMath v251.23

HLE41.50

ARC-AGI-218.90

FrontierMath Tier 4 v29.76

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5-mini OpenAI

FrontierMath v246.67

HLE19.44

ARC-AGI-24.44

FrontierMath Tier 4 v212.20

SWE-bench Verified—

τ²-Bench—

闭源

GPT-5.4 nano OpenAI

FrontierMath v244.91

HLE37.70

ARC-AGI-25.69

FrontierMath Tier 4 v212.20

SWE-bench Verified—

τ²-Bench—

闭源

Grok 4.3 Beta xAI

FrontierMath v242.81

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v214.63

SWE-bench Verified—

τ²-Bench—

闭源

OpenAI o4 - mini OpenAI

FrontierMath v236.14

HLE18.08

ARC-AGI-26.11

FrontierMath Tier 4 v24.88

SWE-bench Verified68.10

τ²-Bench56.90

闭源

Opus 4.5 Anthropic

FrontierMath v234.39

HLE43.20

ARC-AGI-237.64

FrontierMath Tier 4 v24.88

SWE-bench Verified80.90

τ²-Bench81.99

闭源

Qwen3.7-Plus 阿里巴巴

FrontierMath v234.39

HLE—

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

OpenAI o3 OpenAI

FrontierMath v233.33

HLE20.32

ARC-AGI-26.53

FrontierMath Tier 4 v2—

SWE-bench Verified69.10

τ²-Bench—

闭源

Gemini 3.5 Flash-Lite Google DeepMind

FrontierMath v225.96

HLE—

ARC-AGI-210.28

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Claude Sonnet 4.5 Anthropic

FrontierMath v223.86

HLE33.60

ARC-AGI-213.61

FrontierMath Tier 4 v22.44

SWE-bench Verified82.00

τ²-Bench84.70

闭源

GPT-5-Nano OpenAI

FrontierMath v220.00

HLE—

ARC-AGI-22.61

FrontierMath Tier 4 v22.44

SWE-bench Verified—

τ²-Bench—

闭源

OpenAI o3-mini OpenAI

FrontierMath v218.60

HLE13.40

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified40.80

τ²-Bench—

闭源

Opus 4.1 Anthropic

FrontierMath v212.63

HLE11.52

ARC-AGI-2—

FrontierMath Tier 4 v22.44

SWE-bench Verified74.50

τ²-Bench—

闭源

Haiku 4.5 Anthropic

FrontierMath v2—

HLE9.70

ARC-AGI-24.50

FrontierMath Tier 4 v2—

SWE-bench Verified73.30

τ²-Bench33.00

闭源

Claude Sonnet 4 Anthropic

FrontierMath v2—

HLE9.60

ARC-AGI-25.93

FrontierMath Tier 4 v2—

SWE-bench Verified80.20

τ²-Bench52.00

闭源

OpenAI o1 OpenAI

FrontierMath v2—

HLE9.10

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified48.90

τ²-Bench—

闭源

Gemini 3.1 Flash-Lite Google DeepMind

FrontierMath v2—

HLE8.64

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 2.5 Flash Google DeepMind

FrontierMath v2—

HLE12.08

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified50.00

τ²-Bench—

闭源

Claude Opus 5.5 Anthropic

FrontierMath v2—

HLE67.70

ARC-AGI-293.33

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Claude Fable 5.1 Anthropic

FrontierMath v2—

HLE65.00

ARC-AGI-290.00

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Claude Mythos Preview Anthropic

FrontierMath v2—

HLE64.70

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified93.90

τ²-Bench—

闭源

Muse Spark 1.1 Facebook AI研究实验室

FrontierMath v2—

HLE62.10

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Gemini 2.5 Flash-Lite Google DeepMind

FrontierMath v2—

HLE6.90

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified27.60

τ²-Bench—

闭源

GPT-5.1 Instant OpenAI

FrontierMath v2—

HLE6.80

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Step 5 Preview StepFunAI

FrontierMath v2—

HLE59.40

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified—

τ²-Bench—

闭源

Muse Spark Facebook AI研究实验室

FrontierMath v2—

HLE58.00

ARC-AGI-242.50

FrontierMath Tier 4 v2—

SWE-bench Verified77.40

τ²-Bench—

闭源

GPT-6 Astra OpenAI

FrontierMath v2—

HLE57.20

ARC-AGI-295.00

FrontierMath Tier 4 v297.60

SWE-bench Verified—

τ²-Bench—

闭源

Qwen3.7 Max 阿里巴巴

FrontierMath v2—

HLE53.50

ARC-AGI-2—

FrontierMath Tier 4 v2—

SWE-bench Verified80.40

τ²-Bench—

闭源

排序：

已显示 50 / 127 个模型查看 FrontierMath v2 基准测试完整页面

排行榜常见问题

排行榜的数据来源是什么？

所有得分来自一手出处：模型官方 model card、技术报告、论文、厂商博客与可复现的第三方评测。每一行均链回对应的模型详情页，可查看原始引用。

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。

开源大模型和闭源 API 模型怎么对比？

使用顶部的"许可"筛选切换为"全部"，开源与闭源模型可在同一基准列直接对比。除分数外，还需考虑总持有成本：闭源模型按 API 用量计费，开源模型则需衡量自部署的硬件与运维成本。