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	Claude Sonnet 4.5	88.00	83.40	82.00	未公布	未公布	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	DeepSeek-V3.1 Terminus	85.00	80.70	68.40	未公布	未公布	80.00	6,710	免费商用授权
4	DeepSeek-V3.1	85.00	80.10	66.00	未公布	93.10	74.80	6,710	免费商用授权
5	Qwen3 Max	84.00	76.00	69.60	未公布	未公布	57.50	未知	不开源
6	GLM-4.6	83.00	82.90	68.00	未公布	未公布	84.50	3,550	免费商用授权
7	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
8	Pangu Pro MoE	82.60	73.70	未公布	96.80	79.20	59.60	719	免费商用授权
9	MiniMax M2	82.00	78.00	69.40	未公布	未公布	83.00	2,300	免费商用授权
10	DeepSeek-V3-0324	81.20	68.40	38.80	94.00	59.40	49.20	6,710	免费商用授权
11	Kimi K2	81.10	75.10	51.80	97.40	69.60	53.70	10,000	免费商用授权
12	GPT-4.1	80.50	66.30	54.60	92.80	48.10	40.50	未知	不开源
13	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
14	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
15	Pangu Embedded	79.00	未公布	未公布	92.40	81.90	67.10	70	免费商用授权
16	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
17	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
18	Claude 3.5 Sonnet New	78.00	65.00	49.00	78.00	16.00	38.70	未知	不开源
19	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
20	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
21	DeepSeek-V3	75.90	59.10	未公布	87.80	39.00	34.60	6,810	免费商用授权
22	Grok 2	75.50	56.00	未公布	未公布	未公布	未公布	2,690	免费商用授权
23	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
24	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
25	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
26	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
27	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
28	Qwen3-Next	66.05	未公布	未公布	未公布	未公布	56.60	800	免费商用授权
29	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
30	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
31	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
32	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
33	Grok-1.5	51.00	35.90	未公布	未公布	未公布	未公布	未知	不开源
34	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
35	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
36	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
37	Claude Sonnet 3.7	未公布	68.00	70.30	82.20	23.30	未公布	未知	不开源
38	Gemini 2.5 Flash-Preview-09-2025	未公布	未公布	54.00	未公布	未公布	未公布	未知	不开源
39	Grok 4 Fast	未公布	85.70	未公布	未公布	未公布	80.00	未知	不开源
40	Kimi K2 0905	未公布	未公布	69.20	未公布	未公布	未公布	10,000	免费商用授权
41	Grok 3	未公布	80.40	未公布	未公布	84.20	70.60	未知	不开源
42	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
43	Qwen3-4B-Thinking-2507	未公布	65.80	未公布	未公布	未公布	55.20	40	免费商用授权
44	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
45	Hunyuan-7B	未公布	60.10	未公布	93.70	81.10	57.00	70	免费商用授权
46	Gemini 2.5 Deep Think	未公布	未公布	未公布	未公布	未公布	87.60	未知	不开源
47	GPT-4.1 mini	未公布	65.00	23.60	未公布	49.60	未公布	未知	不开源
48	Grok 4 Heavy	未公布	88.90	73.50	未公布	未公布	未公布	未知	不开源