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

语言EN
满分1
参评模型80
论文 ↗

模型排名

名次 模型 机构 分数 来源
1 GPT-5 OpenAI 92.5 来源 ↗
2 o1 OpenAI 91.8 来源 ↗
3 o1-preview OpenAI 90.8 来源 ↗
4 GPT-4.5 OpenAI 90.8 来源 ↗
5 Claude 3.5 Sonnet Anthropic 90.4 来源 ↗
6 Claude 3.5 Sonnet Anthropic 90.4 来源 ↗
7 GPT-4.1 OpenAI 90.2 来源 ↗
8 Kimi K2 0905 Moonshot AI 90.2 来源 ↗
9 GPT OSS 120B OpenAI 90.0 来源 ↗
10 Kimi K2-Instruct-0905 Moonshot AI 89.5 来源 ↗
11 Kimi K2 Instruct Moonshot AI 89.5 来源 ↗
12 GPT-4o OpenAI 88.7 来源 ↗
13 DeepSeek-V3 DeepSeek 88.5 来源 ↗
14 Qwen3 235B A22B Alibaba Cloud / Qwen Team 87.8 来源 ↗
15 Kimi K2 Base Moonshot AI 87.8 来源 ↗
16 Grok-2 xAI 87.5 来源 ↗
17 GPT-4.1 mini OpenAI 87.5 来源 ↗
18 Kimi-k1.5 Moonshot AI 87.4 来源 ↗
19 Llama 3.1 405B Instruct Meta 87.3 来源 ↗
20 o3-mini OpenAI 86.9 来源 ↗
21 Claude 3 Opus Anthropic 86.8 来源 ↗
22 GPT-4 Turbo OpenAI 86.5 来源 ↗
23 GPT-4 OpenAI 86.4 来源 ↗
24 Grok-2 mini xAI 86.2 来源 ↗
25 Llama 3.3 70B Instruct Meta 86.0 来源 ↗
26 Llama 3.2 90B Instruct Meta 86.0 来源 ↗
27 Gemini 1.5 Pro Google 85.9 来源 ↗
28 Nova Pro Amazon 85.9 来源 ↗
29 GPT-4o OpenAI 85.7 来源 ↗
30 Llama 4 Maverick Meta 85.5 来源 ↗
31 GPT OSS 20B OpenAI 85.3 来源 ↗
32 o1-mini OpenAI 85.2 来源 ↗
33 Phi 4 Microsoft 84.8 来源 ↗
34 Mistral Large 2 Mistral AI 84.0 来源 ↗
35 Llama 3.1 70B Instruct Meta 83.6 来源 ↗
36 Qwen2.5 32B Instruct Alibaba Cloud / Qwen Team 83.3 来源 ↗
37 Qwen2 72B Instruct Alibaba Cloud / Qwen Team 82.3 来源 ↗
38 GPT-4o mini OpenAI 82.0 来源 ↗
39 Grok-1.5 xAI 81.3 来源 ↗
40 Jamba 1.5 Large AI21 Labs 81.2 来源 ↗
41 Mistral Small 3.1 24B Base Mistral AI 81.0 来源 ↗
42 Mistral Small 3 24B Base Mistral AI 80.7 来源 ↗
43 Mistral Small 3.1 24B Instruct Mistral AI 80.6 来源 ↗
44 Mistral Small 3.2 24B Instruct Mistral AI 80.5 来源 ↗
45 Nova Lite Amazon 80.5 来源 ↗
46 DeepSeek-V2.5 DeepSeek 80.4 来源 ↗
47 Llama 3.1 Nemotron 70B Instruct NVIDIA 80.2 来源 ↗
48 GPT-4.1 nano OpenAI 80.1 来源 ↗
49 Qwen2.5 14B Instruct Alibaba Cloud / Qwen Team 79.7 来源 ↗
50 Llama 4 Scout Meta 79.6 来源 ↗
51 Claude 3 Sonnet Anthropic 79.0 来源 ↗
52 Phi-3.5-MoE-instruct Microsoft 78.9 来源 ↗
53 Gemini 1.5 Flash Google 78.9 来源 ↗
54 Qwen2.5 VL 32B Instruct Alibaba Cloud / Qwen Team 78.4 来源 ↗
55 Nova Micro Amazon 77.6 来源 ↗
56 Command R+ Cohere 75.7 来源 ↗
57 Gemma 2 27B Google 75.2 来源 ↗
58 Claude 3 Haiku Anthropic 75.2 来源 ↗
59 Qwen2.5-Coder 32B Instruct Alibaba Cloud / Qwen Team 75.1 来源 ↗
60 Llama 3.2 11B Instruct Meta 73.0 来源 ↗
61 Gemini 1.0 Pro Google 71.8 来源 ↗
62 Gemma 2 9B Google 71.3 来源 ↗
63 Qwen2 7B Instruct Alibaba Cloud / Qwen Team 70.5 来源 ↗
64 GPT-3.5 Turbo OpenAI 69.8 来源 ↗
65 Jamba 1.5 Mini AI21 Labs 69.7 来源 ↗
66 Llama 3.1 8B Instruct Meta 69.4 来源 ↗
67 Pixtral-12B Mistral AI 69.2 来源 ↗
68 Phi-3.5-mini-instruct Microsoft 69.0 来源 ↗
69 Mistral NeMo Instruct Mistral AI 68.0 来源 ↗
70 Qwen2.5-Coder 7B Instruct Alibaba Cloud / Qwen Team 67.6 来源 ↗
71 Phi 4 Mini Microsoft 67.3 来源 ↗
72 Granite 3.3 8B Instruct IBM 65.5 来源 ↗
73 Ministral 8B Instruct Mistral AI 65.0 来源 ↗
74 Gemma 3n E4B Instructed LiteRT Preview Google 64.9 来源 ↗
75 Gemma 3n E4B Instructed Google 64.9 来源 ↗
76 Granite 3.3 8B Base IBM 63.9 来源 ↗
77 Llama 3.2 3B Instruct Meta 63.4 来源 ↗
78 IBM Granite 4.0 Tiny Preview IBM 60.4 来源 ↗
79 Gemma 3n E2B Instructed Google 60.1 来源 ↗
80 Gemma 3n E2B Instructed LiteRT (Preview) Google 60.1 来源 ↗