Benchmark
大语言模型综合能力榜·NLP
general
text
多语言
大语言模型综合能力榜·NLP：多维度评测综合成绩。评测分数为事实数据，整理自公开评测体系，仅供学习研究参考。
Top 10
榜单概览
数据说明
分数为 0-100 百分制综合成绩（Elo 榜为相对评分，仅供同榜内比较）。评测分数属事实数据，整理自公开评测体系与厂商公开资料，部分分数为厂商自报口径，不同榜单的评测方法与数据集可能存在差异，请结合多个榜单交叉参考。
Ranking
模型排名
| 名次 | 模型 | 机构 | 分数 | 来源 |
|---|---|---|---|---|
| 1 | GPT-5.4 | OpenAI | 74.6 | — |
| 2 | Grok-4.20-0309 | xAI | 74.2 | — |
| 3 | Qwen3.6 Max Preview | Alibaba Cloud / Qwen Team | 72.9 | — |
| 4 | GPT-5.4 mini | OpenAI | 69.6 | — |
| 5 | Doubao-Seed-2-0-Pro-260215 (high) | ByteDance | 69.6 | — |
| 6 | Kimi K2.6 | Moonshot AI | 67.5 | — |
| 7 | Gemini 3.1 Pro Preview | 67.5 | — | |
| 8 | Doubao-Seed-2-0-Lite-260215 (high) | ByteDance | 67.1 | — |
| 9 | Claude Sonnet 4.6 | Anthropic | 66.2 | — |
| 10 | Claude Opus 4.7 | Anthropic | 65.4 | — |
| 11 | Ring-2.5-1T | Ant Group | 65.4 | — |
| 12 | GLM-5.1 | Zhipu AI | 63.8 | — |
| 13 | Hy3 preview | Tencent | 63.3 | — |
| 14 | MiniMax-M2.7 | MiniMax | 63.3 | — |
| 15 | DeepSeek V4 Pro | DeepSeek | 63.3 | — |
| 16 | Qwen3.6 27B | Alibaba Cloud / Qwen Team | 63.3 | — |
| 17 | DeepSeek V4 Flash | DeepSeek | 62.5 | — |
| 18 | Qwen3.5 397B-A17B | Alibaba Cloud / Qwen Team | 62.5 | — |
| 19 | JT-MINI | China Mobile | 62.1 | — |
| 20 | Step 3.5 Flash | StepFun | 59.2 | — |
| 21 | Gemma 4 31B IT | 59.2 | — | |
| 22 | Gemini 3.1 Flash Lite Preview | 57.5 | — | |
| 23 | Gemma 4 E4B IT | 52.9 | — |