Benchmark
大语言模型综合能力榜·推理
general
text
多语言
大语言模型综合能力榜·推理：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 | Doubao-Seed-2-0-Pro-260215 (high) | ByteDance | 65.2 | 来源 |
| 2 | GPT-5.4 | OpenAI | 64.4 | 来源 |
| 3 | Claude Opus 4.7 | Anthropic | 63.5 | 来源 |
| 4 | Kimi K2.6 | Moonshot AI | 62.2 | 来源 |
| 5 | Claude Sonnet 4.6 | Anthropic | 60.6 | 来源 |
| 6 | DeepSeek V4 Pro | DeepSeek | 60.0 | 来源 |
| 7 | Gemini 3.1 Pro Preview | 59.7 | 来源 | |
| 8 | Doubao-Seed-2-0-Lite-260215 (high) | ByteDance | 59.5 | 来源 |
| 9 | Qwen3.6 Max Preview | Alibaba Cloud / Qwen Team | 59.2 | 来源 |
| 10 | Hy3 preview | Tencent | 58.5 | 来源 |
| 11 | DeepSeek V4 Flash | DeepSeek | 57.2 | 来源 |
| 12 | GPT-5.4 mini | OpenAI | 55.9 | 来源 |
| 13 | Step 3.5 Flash | StepFun | 55.6 | 来源 |
| 14 | Grok-4.20-0309 | xAI | 55.3 | 来源 |
| 15 | Gemma 4 31B IT | 54.6 | 来源 | |
| 16 | Qwen3.5 397B-A17B | Alibaba Cloud / Qwen Team | 54.5 | 来源 |
| 17 | GLM-5.1 | Zhipu AI | 54.3 | 来源 |
| 18 | Ring-2.5-1T | Ant Group | 54.2 | 来源 |
| 19 | Qwen3.6 27B | Alibaba Cloud / Qwen Team | 52.7 | 来源 |
| 20 | MiniMax-M2.7 | MiniMax | 52.4 | 来源 |
| 21 | Gemini 3.1 Flash Lite Preview | 52.0 | 来源 | |
| 22 | JT-MINI | China Mobile | 34.1 | 来源 |
| 23 | Gemma 4 E4B IT | 30.6 | 来源 |