Benchmark
MMLU
general
reasoning
language
math
text
Massive Multitask Language Understanding benchmark testing knowledge across 57 diverse subjects including STEM, humanities, social sciences, and professional domains
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 | OpenAI | 92.5 | 来源 |
| 2 | Kimi K2 0905 | Moonshot AI | 90.2 | 来源 |
| 3 | GPT OSS 120B | OpenAI | 90.0 | 来源 |
| 4 | Kimi K2-Instruct-0905 | Moonshot AI | 89.5 | 来源 |
| 5 | GPT OSS 20B | OpenAI | 85.3 | 来源 |