Benchmark
MMLU-Pro
language
reasoning
math
general
text
A more robust and challenging multi-task language understanding benchmark that extends MMLU by expanding multiple-choice options from 4 to 10, eliminating trivial questions, and focusing on reasoning-intensive tasks. Features over 12,000 curated questions across 14 domains and causes a 16-33% accuracy drop compared to original MMLU.
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 | Nemotron 3 Ultra 550B A55B | NVIDIA | 86.8 | 来源 |
| 2 | DeepSeek-V3.2-Exp | DeepSeek | 85.0 | 来源 |
| 3 | GLM-4.5 | Zhipu AI | 84.6 | 来源 |
| 4 | Qwen3-235B-A22B-Thinking-2507 | Alibaba Cloud / Qwen Team | 84.4 | 来源 |
| 5 | Qwen3-Next-80B-A3B-Thinking | Alibaba Cloud / Qwen Team | 82.7 | 来源 |
| 6 | Kimi K2 0905 | Moonshot AI | 82.5 | 来源 |
| 7 | GLM-4.5-Air | Zhipu AI | 81.4 | 来源 |
| 8 | Kimi K2-Instruct-0905 | Moonshot AI | 81.1 | 来源 |
| 9 | Qwen3-Next-80B-A3B-Instruct | Alibaba Cloud / Qwen Team | 80.6 | 来源 |