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	Hunyuan-T1	87.20	69.30	未公布	96.20	78.20	64.90	未知	不开源
3	Grok 4	87.00	87.00	58.60	未公布	未公布	82.00	未知	不开源
4	Gemini-2.5-Pro	86.00	86.40	67.20	98.80	92.00	77.10	未知	不开源
5	OpenAI o3	85.60	83.30	69.10	98.10	91.60	75.80	未知	不开源
6	Claude Opus 4	85.00	79.60	72.50	98.20	76.00	56.60	未知	不开源
7	DeepSeek-R1-0528	85.00	81.00	57.60	98.00	91.40	73.30	6,710	免费商用授权
8	GLM-4.5	84.60	79.10	64.20	98.20	91.00	72.90	3,550	免费商用授权
9	Qwen3-235B-A22B-Thinking	84.40	81.10	未公布	未公布	未公布	74.10	305	免费商用授权
10	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
11	DeepSeek-R1	84.00	71.50	49.20	97.30	79.80	65.90	6,710	免费商用授权
12	GLM-4.5-Air	81.40	75.00	57.60	98.10	89.40	70.70	1,060	免费商用授权
13	MiniMax-M1-80k	81.10	70.00	56.00	96.80	86.00	65.00	4,560	免费商用授权
14	MiniMax-M1-40k	80.60	69.20	55.60	96.00	83.30	62.30	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	OpenAI o1-mini	80.30	60.00	未公布	90.00	63.60	52.00	未知	不开源
17	GPT OSS 120B	79.00	80.10	60.10	未公布	96.60	未公布	117	免费商用授权
18	Hunyuan-TurboS	79.00	57.50	未公布	未公布	未公布	32.00	未知	不开源
19	QwQ-32B	76.00	58.00	未公布	91.00	79.50	未公布	325	免费商用授权
20	GPT OSS 20B	74.00	71.50	未公布	未公布	96.00	未公布	210	免费商用授权
21	Qwen3-235B-A22B	72.90	71.10	34.40	98.00	85.70	70.70	2,350	免费商用授权
22	Qwen3-8B	72.50	62.00	未公布	97.40	79.40	61.80	80	免费商用授权
23	QwQ-32B-Preview	70.97	未公布	未公布	90.60	50.00	未公布	320	免费商用授权
24	Qwen3-30B-A3B	69.10	54.80	未公布	未公布	未公布	29.00	305	免费商用授权
25	Phi-4-instruct (reasoning-trained)	未公布	49.00	未公布	90.40	50.00	未公布	38	不开源
26	GPT-5-Pro	未公布	89.40	未公布	未公布	未公布	未公布	未知	不开源
27	Claude Opus 4.1	未公布	80.90	74.50	未公布	未公布	未公布	未知	不开源
28	DeepSeek-R1-Distill-Llama-70B	未公布	65.20	未公布	94.50	未公布	未公布	700	免费商用授权
29	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
30	OpenAI o3-mini	未公布	70.60	40.80	95.80	60.00	未公布	未知	不开源
31	OpenAI o3-mini (high)	未公布	79.70	49.30	97.90	87.00	69.50	未知	不开源
32	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
33	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
34	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
35	Grok-3 - Reasoning Beta	未公布	84.60	未公布	未公布	93.30	79.40	未知	不开源
36	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
37	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
38	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
39	Gemini 2.5 Flash	未公布	78.30	63.80	未公布	88.00	63.40	未知	不开源
40	o3-pro	未公布	84.00	75.00	未公布	93.00	未公布	未知	不开源
41	Magistral-Medium-2506	未公布	70.83	未公布	未公布	73.59	59.36	未知	不开源
42	Magistral-Small-2506	未公布	68.18	未公布	未公布	70.68	55.84	240	免费商用授权
43	DeepSeek-R1-Distill-Qwen-7B	未公布	49.50	未公布	91.40	53.30	未公布	70	免费商用授权
44	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
45	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
46	Claude Sonnet 4	未公布	75.40	72.70	未公布	43.40	48.50	未知	不开源
47	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
48	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
49	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
50	Qwen3-32B	未公布	68.40	未公布	97.20	81.40	65.70	320	免费商用授权
51	Gemini 2.5 Pro Experimental 03-25	未公布	84.00	63.80	未公布	92.00	70.40	未知	不开源