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	GPT-4.5	86.10	71.40	38.00	90.70	36.70	46.40	未知	不开源
3	Claude Opus 4	85.00	79.60	72.50	98.20	76.00	56.60	未知	不开源
4	DeepSeek-R1-0528	85.00	81.00	57.60	98.00	91.40	73.30	6,710	免费商用授权
5	GLM-4.5	84.60	79.10	64.20	98.20	91.00	72.90	3,550	免费商用授权
6	Qwen3-235B-A22B-Thinking-2507	84.40	81.10	未公布	未公布	未公布	74.10	2,350	免费商用授权
7	DeepSeek-R1	84.00	71.50	49.20	97.30	79.80	65.90	6,710	免费商用授权
8	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
9	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
10	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
11	GLM-4.5-Air	81.40	75.00	57.60	98.10	89.40	70.70	1,060	免费商用授权
12	DeepSeek-V3-0324	81.20	68.40	38.80	94.00	59.40	49.20	6,810	免费商用授权
13	Kimi K2	81.10	75.10	51.80	97.40	69.60	53.70	10,000	免费商用授权
14	MiniMax-M1-80k	81.10	70.00	56.00	96.80	86.00	65.00	4,560	免费商用授权
15	OpenAI o4 - mini	80.60	81.40	68.10	未公布	98.70	未公布	未知	不开源
16	MiniMax-M1-40k	80.60	69.20	55.60	96.00	83.30	62.30	4,560	免费商用授权
17	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
18	GPT-4.1	80.50	66.30	54.60	92.80	48.10	40.50	未知	不开源
19	OpenAI o1-mini	80.30	60.00	未公布	90.00	63.60	52.00	未知	不开源
20	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
21	Hunyuan-TurboS	79.00	57.50	未公布	未公布	未公布	32.00	未知	不开源
22	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
23	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
24	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
25	Gemini 2.0 Flash Experimental	76.24	65.20	21.40	未公布	未公布	29.10	未知	不开源
26	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
27	DeepSeek-V3	75.90	59.10	未公布	87.80	39.00	34.60	6,810	免费商用授权
28	Grok 2	75.50	56.00	未公布	未公布	未公布	未公布	未知	不开源
29	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
30	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
31	Qwen3-235B-A22B	72.90	71.10	34.40	98.00	85.70	70.70	2,350	免费商用授权
32	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
33	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
34	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
35	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
36	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
37	Grok-1.5	51.00	35.90	未公布	未公布	未公布	未公布	未知	不开源
38	o3-pro	未公布	84.00	75.00	未公布	93.00	未公布	未知	不开源
39	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
40	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
41	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
42	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
43	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
44	OpenAI o3-mini (high)	未公布	79.70	49.30	97.90	87.00	69.50	未知	不开源
45	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
46	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
47	ERNIE-4.5-VL-424B-A47B-Base	未公布	76.80	未公布	未公布	未公布	38.80	4,240	免费商用授权
48	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
49	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
50	Grok 3	未公布	80.40	未公布	未公布	84.20	70.60	未知	不开源
51	Grok 3 mini	未公布	65.00	未公布	未公布	40.00	未公布	未知	不开源
52	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
53	Magistral-Medium-2506	未公布	70.83	未公布	未公布	73.59	59.36	未知	不开源
54	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
55	Grok-3 - Reasoning Beta	未公布	84.60	未公布	未公布	93.30	79.40	未知	不开源
56	Claude Sonnet 4	未公布	75.40	72.70	未公布	43.40	48.50	未知	不开源
57	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
58	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
59	Claude Sonnet 3.7	未公布	68.00	70.30	82.20	23.30	未公布	未知	不开源
60	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
61	Gemini 2.5 Flash	未公布	78.30	63.80	未公布	88.00	63.40	未知	不开源
62	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
63	GPT-4.1 mini	未公布	65.00	23.60	未公布	49.60	未公布	未知	不开源
64	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
65	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