Benchmark
大语言模型综合能力榜·Academic Reasoning
general
text
多语言
大语言模型综合能力榜·Academic Reasoning：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 | 52.0 | — |
| 2 | Claude Opus 4.7 | Anthropic | 50.9 | — |
| 3 | Kimi K2.6 | Moonshot AI | 48.8 | — |
| 4 | Doubao-Seed-2-0-Pro-260215 (high) | ByteDance | 48.3 | — |
| 5 | Claude Sonnet 4.6 | Anthropic | 45.6 | — |
| 6 | DeepSeek V4 Pro | DeepSeek | 43.9 | — |
| 7 | Hy3 preview | Tencent | 43.6 | — |
| 8 | Gemini 3.1 Pro Preview | 43.6 | — | |
| 9 | Qwen3.6 Max Preview | Alibaba Cloud / Qwen Team | 43.3 | — |
| 10 | GPT-5.4 mini | OpenAI | 41.6 | — |
| 11 | Doubao-Seed-2-0-Lite-260215 (high) | ByteDance | 41.0 | — |
| 12 | DeepSeek V4 Flash | DeepSeek | 39.0 | — |
| 13 | GLM-5.1 | Zhipu AI | 38.7 | — |
| 14 | Step 3.5 Flash | StepFun | 38.7 | — |
| 15 | Gemma 4 31B IT | 38.1 | — | |
| 16 | Ring-2.5-1T | Ant Group | 38.1 | — |
| 17 | Qwen3.5 397B-A17B | Alibaba Cloud / Qwen Team | 36.6 | — |
| 18 | Grok-4.20-0309 | xAI | 36.0 | — |
| 19 | Qwen3.6 27B | Alibaba Cloud / Qwen Team | 36.0 | — |
| 20 | MiniMax-M2.7 | MiniMax | 35.2 | — |
| 21 | Gemini 3.1 Flash Lite Preview | 34.3 | — | |
| 22 | Gemma 4 E4B IT | 13.7 | — | |
| 23 | JT-MINI | China Mobile | 10.8 | — |