Benchmark
大语言模型综合能力榜·Comprehensive Tool Using
general
text
多语言
大语言模型综合能力榜·Comprehensive Tool Using：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 | DeepSeek V4 Pro | DeepSeek | 55.3 | — |
| 2 | GPT-5.4 | OpenAI | 52.8 | — |
| 3 | DeepSeek V4 Flash | DeepSeek | 46.7 | — |
| 4 | Doubao-Seed-2-0-Pro-260215 (high) | ByteDance | 44.2 | — |
| 5 | Claude Opus 4.7 | Anthropic | 43.3 | — |
| 6 | Doubao-Seed-2-0-Lite-260215 (high) | ByteDance | 42.4 | — |
| 7 | Gemini 3.1 Pro Preview | 41.0 | — | |
| 8 | GLM-5.1 | Zhipu AI | 39.9 | — |
| 9 | Kimi K2.6 | Moonshot AI | 39.3 | — |
| 10 | Qwen3.6 Max Preview | Alibaba Cloud / Qwen Team | 30.5 | — |
| 11 | Qwen3.5 397B-A17B | Alibaba Cloud / Qwen Team | 28.7 | — |
| 12 | Hy3 preview | Tencent | 28.7 | — |
| 13 | Ring-2.5-1T | Ant Group | 25.0 | — |
| 14 | Claude Sonnet 4.6 | Anthropic | 24.7 | — |
| 15 | MiniMax-M2.7 | MiniMax | 23.7 | — |
| 16 | Qwen3.6 27B | Alibaba Cloud / Qwen Team | 23.3 | — |
| 17 | GPT-5.4 mini | OpenAI | 22.0 | — |
| 18 | Step 3.5 Flash | StepFun | 18.0 | — |
| 19 | Gemma 4 31B IT | 14.0 | — | |
| 20 | Grok-4.20-0309 | xAI | 13.3 | — |
| 21 | JT-MINI | China Mobile | 13.3 | — |
| 22 | Gemini 3.1 Flash Lite Preview | 11.0 | — | |
| 23 | Gemma 4 E4B IT | 1.3 | — |