Leaderboard

综合榜单

名次 模型 机构 分数 来源
1 GPT-5 OpenAI 84.2 来源 ↗
2 o3 OpenAI 82.9 来源 ↗
3 Gemini 2.5 Pro Preview 06-05 Google 82.0 来源 ↗
4 o4-mini OpenAI 81.6 来源 ↗
5 Gemini 2.5 Flash Google 79.7 来源 ↗
6 Gemini 2.5 Pro Google 79.6 来源 ↗
7 Grok-3 xAI 78.0 来源 ↗
8 o1 OpenAI 77.6 来源 ↗
9 Gemini 2.0 Flash Thinking Google 75.4 来源 ↗
10 GPT-4.5 OpenAI 75.2 来源 ↗
11 Claude 3.7 Sonnet Anthropic 75.0 来源 ↗
12 GPT-4.1 OpenAI 74.8 来源 ↗
13 Claude Sonnet 4 Anthropic 74.4 来源 ↗
14 Llama 4 Maverick Meta 73.4 来源 ↗
15 Gemini 2.5 Flash-Lite Google 72.9 来源 ↗
16 GPT-4.1 mini OpenAI 72.7 来源 ↗
17 GPT-4o OpenAI 72.2 来源 ↗
18 Gemini 2.0 Flash Google 70.7 来源 ↗
19 QvQ-72B-Preview Alibaba Cloud / Qwen Team 70.3 来源 ↗
20 Qwen2.5 VL 72B Instruct Alibaba Cloud / Qwen Team 70.2 来源 ↗
21 Qwen2.5 VL 32B Instruct Alibaba Cloud / Qwen Team 70.0 来源 ↗
22 Kimi-k1.5 Moonshot AI 70.0 来源 ↗
23 Llama 4 Scout Meta 69.4 来源 ↗
24 Claude 3.5 Sonnet Anthropic 68.3 来源 ↗
25 Gemini 2.0 Flash-Lite Google 68.0 来源 ↗
26 Grok-2 xAI 66.1 来源 ↗
27 Gemini 1.5 Pro Google 65.9 来源 ↗
28 Pixtral Large Mistral AI 64.0 来源 ↗
29 Grok-2 mini xAI 63.2 来源 ↗
30 Mistral Small 3.2 24B Instruct Mistral AI 62.5 来源 ↗
31 Gemini 1.5 Flash Google 62.3 来源 ↗
32 Nova Pro Amazon 61.7 来源 ↗
33 Llama 3.2 90B Instruct Meta 60.3 来源 ↗
34 GPT-4o mini OpenAI 59.4 来源 ↗
35 Mistral Small 3.1 24B Instruct Mistral AI 59.3 来源 ↗
36 Mistral Small 3.1 24B Base Mistral AI 59.3 来源 ↗
37 Qwen2.5-Omni-7B Alibaba Cloud / Qwen Team 59.2 来源 ↗
38 Qwen2.5 VL 7B Instruct Alibaba Cloud / Qwen Team 58.6 来源 ↗
39 Nova Lite Amazon 56.2 来源 ↗
40 GPT-4.1 nano OpenAI 55.4 来源 ↗
41 Phi-4-multimodal-instruct Microsoft 55.1 来源 ↗
42 Gemini 1.5 Flash 8B Google 53.7 来源 ↗
43 Grok-1.5V xAI 53.6 来源 ↗
44 Grok-1.5 xAI 53.6 来源 ↗
45 Pixtral-12B Mistral AI 52.5 来源 ↗
46 DeepSeek VL2 DeepSeek 51.1 来源 ↗
47 Llama 3.2 11B Instruct Meta 50.7 来源 ↗
48 DeepSeek VL2 Small DeepSeek 48.0 来源 ↗
49 Gemini 1.0 Pro Google 47.9 来源 ↗
50 Phi-3.5-vision-instruct Microsoft 43.0 来源 ↗
51 DeepSeek VL2 Tiny DeepSeek 40.7 来源 ↗
52 GPT-3.5 Turbo OpenAI 0.0 来源 ↗

全部榜单

agent

audio

chemistry

code

communication

creativity

economics

finance

frontend_development

general

healthcare

image-to-text

language

legal

long_context

math

multimodal

physics

psychology

reasoning

roleplay

safety

search

spatial_reasoning

speech-to-text

summarization

text-to-image

video

vision

writing