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	GPT-4.5	86.10	71.40	38.00	90.70	36.70	46.40	未知	不开源
2	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
3	Pangu Pro MoE	82.60	73.70	未公布	96.80	79.20	59.60	719	免费商用授权
4	DeepSeek-V3-0324	81.20	68.40	38.80	94.00	59.40	49.20	6,810	免费商用授权
5	Kimi K2	81.10	75.10	51.80	97.40	69.60	53.70	10,000	免费商用授权
6	GPT-4.1	80.50	66.30	54.60	92.80	48.10	40.50	未知	不开源
7	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
8	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
9	Pangu Embedded	79.00	未公布	未公布	92.40	81.90	67.10	70	免费商用授权
10	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
11	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
12	Claude 3.5 Sonnet New	78.00	65.00	49.00	78.00	16.00	38.70	未知	不开源
13	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
14	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
15	DeepSeek-V3	75.90	59.10	未公布	87.80	39.00	34.60	6,810	免费商用授权
16	Grok 2	75.50	56.00	未公布	未公布	未公布	未公布	未知	不开源
17	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
18	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
19	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
20	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
21	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
22	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
23	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
24	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
25	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
26	Grok-1.5	51.00	35.90	未公布	未公布	未公布	未公布	未知	不开源
27	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
28	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
29	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
30	GPT-4.1 mini	未公布	65.00	23.60	未公布	49.60	未公布	未知	不开源
31	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
32	Claude Sonnet 3.7	未公布	68.00	70.30	82.20	23.30	未公布	未知	不开源
33	Grok 3	未公布	80.40	未公布	未公布	84.20	70.60	未知	不开源
34	Grok 4 Heavy	未公布	88.90	73.50	未公布	未公布	未公布	未知	不开源
35	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
36	Hunyuan-7B	未公布	60.10	未公布	93.70	81.10	57.00	70	免费商用授权
37	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
38	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