AI大模型评测排行榜

聚合 ARC-AGI-2、AIME 2025、SWE-bench Verified 等主流评测的实时排名，按综合、数学、编程、Agent 等维度快速筛选。

查看评测基准详情数据更新于 2026-04-28 13:44:17

截至 2026年4月，AA 智能指数前列模型包括 GPT-5.5 (xhigh)、GPT-5.5 (high)、Opus 4.7 (max)，该指数汇总编程、推理、科学等 10 项标准化评测。

LMArena 文本生成榜当前靠前的模型包括 Opus 4.7 (thinking)、Claude Opus 4.6 (thinking)、Claude Opus 4.6，排名基于真人匿名 A/B 投票。

下方可按数学、编程、Agent 等分类查看单项排名。数据口径说明见数据方法论，延伸阅读见大模型分析博客。

综合排名

目前没有一个被普遍认可的"AI 模型综合排名"，因此我们选取了两个具有代表性、且切入角度不同的综合榜单并列展示。Artificial Analysis 智能指数（AA Intelligence Index）汇总编程、数学、推理等 10 项标准化评测的跑分，衡量模型的客观能力；LMArena（原 Chatbot Arena）基于全球用户匿名盲测 A/B 投票得出的 Elo 分数，反映真实使用体感。两者分别提供客观基准与主观偏好的视角。

AA Intelligence Index

完整排名

汇总编程、数学、科学、推理、智能体等 10 项标准化评测的综合分数。

数据更新于 2026年04月25日

#模型分数

GPT-5.5 (xhigh)OpenAI

GPT-5.5 (high)OpenAI

Opus 4.7 (max)Anthropic

Gemini 3.1 Pro PreviewGoogle Deep Mind

GPT-5.4 (xhigh)OpenAI

GPT-5.5 (medium)OpenAI

Kimi K2.6Moonshot AI

MiMo-V2.5-ProXiaomi

GPT-5.3 Codex (xhigh)OpenAI

Muse SparkFacebook AI研究实验室

来源：Artificial Analysis

LMArena Text Generation

完整排名

基于匿名众包 A/B 对战的 Elo 评分，反映真实用户对回答质量的偏好。

数据更新于 2026年04月24日

#模型Elo

Opus 4.7 (thinking)Anthropic

1503

Claude Opus 4.6 (thinking)Anthropic

1503

Claude Opus 4.6Anthropic

1496

Opus 4.7Anthropic

1494

Gemini 3.1 Pro PreviewGoogle Deep Mind

1493

Muse SparkFacebook AI研究实验室

1492

Gemini 3.0 Pro (Preview 11-2025)Google Deep Mind

1486

grok-4.20-beta1xAI

1482

gpt-5.4-highOpenAI

1481

grok-4.20-beta-0309-reasoningxAI

1479

来源：LMArena

单项评测排名

按数学、编程、Agent 等维度筛选排名。下方可切换评测基准，也可直接进入分类排行榜查看完整排名。查看全部评测基准。

评测方向

综合排名

ARC-AGI-2 HLE MMLU Pro 进入全部基准列表

数学

AIME 2025 FrontierMath MATH-500 进入数学能力排行榜

编程

SWE-bench Verified LiveCodeBench SWE-Bench Pro 进入编程能力排行榜

Agent

τ²-Bench Terminal Bench 2.0 Aider-Polyglot 进入 Agent 能力排行榜

参数规模:全部 3B及以下 7B 13B 34B 65B 100B及以上

模型类型:全部推理大模型基座大模型指令优化/聊天优化大模型编程大模型

开源：全部开源闭源

大模型性能评测结果

数据来源：DataLearnerAI

各评测基准展示所有评测模式中的最高得分。点击模型名称可查看不同评测模式的详细结果。

排名	模型						开源情况
	GPT-5.5	52.20	85.00	35.40	—	—	不开源
	Claude Mythos Preview	64.70	—	—	93.90	—	不开源
	GPT-5.3 Codex	—	—	—	—	—	不开源
4	GPT-5.4	52.10	77.10	27.10	—	—	不开源
5	Opus 4.7	54.70	75.80	22.90	87.60	—	不开源
6	Gemini 3.1 Pro Preview	51.40	77.10	16.70	80.60	90.80	不开源
7	DeepSeek-V4-Pro	48.20	—	—	80.60	—	免费商用
8	Kimi K2.6	54.00	—	—	80.20	—	免费商用
9	Claude Opus 4.6	53.00	66.30	22.90	80.84	91.89	不开源
10	Qwen3.6-Max-Preview	—	—	—	—	—	不开源
11	GLM 5.1	52.30	—	—	—	—	免费商用
12	Composer 2	—	—	—	—	—	不开源
13	Qwen 3.6 Plus Preview	50.60	—	—	78.80	—	不开源
14	GLM-5	50.40	4.90	2.10	77.80	89.70	免费商用
15	GPT-5.4 mini	41.50	—	2.10	—	—	不开源
16	Opus 4.5	43.20	37.60	4.20	80.90	81.99	不开源
17	Qwen3.6-27B	24.00	—	—	77.20	—	免费商用
18	Claude Sonnet 4.6	49.00	58.30	8.30	79.60	—	不开源
19	Muse Spark	58.00	42.50	14.60	77.40	—	不开源
20	DeepSeek-V4-Flash	45.10	—	—	79.00	—	免费商用
21	Gemini 3.0 Pro (Preview 11-2025)	45.80	45.10	18.80	76.20	85.40	不开源
22	Qwen3.5-397B-A17B	48.30	—	—	76.40	86.70	免费商用
23	MiniMax M2.5	19.40	4.90	—	80.20	—	免费商用
24	Qwen3.6-35B-A3B	21.40	—	—	73.40	—	免费商用
25	Step 3.5 Flash	—	—	—	74.40	88.20	免费商用
26	Kimi K2.5	50.20	11.80	4.20	76.80	—	免费商用
27	M2.1	22.00	—	—	74.80	—	免费商用
28	Composer 1.5	—	—	—	—	—	不开源
29	Gemini 3.0 Flash	43.50	33.60	4.20	68.70	90.20	不开源
30	GPT-5.1	42.70	17.60	12.50	76.30	—	不开源

GPT-5.5

HLE52.20

ARC-AGI-285.00

FrontierMath - Tier 435.40

SWE-bench Verified—

τ²-Bench—

不开源

Claude Mythos Preview

HLE64.70

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified93.90

τ²-Bench—

不开源

GPT-5.3 Codex

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

不开源

GPT-5.4

HLE52.10

ARC-AGI-277.10

FrontierMath - Tier 427.10

SWE-bench Verified—

τ²-Bench—

不开源

Opus 4.7

HLE54.70

ARC-AGI-275.80

FrontierMath - Tier 422.90

SWE-bench Verified87.60

τ²-Bench—

不开源

Gemini 3.1 Pro Preview

HLE51.40

ARC-AGI-277.10

FrontierMath - Tier 416.70

SWE-bench Verified80.60

τ²-Bench90.80

不开源

DeepSeek-V4-Pro

HLE48.20

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified80.60

τ²-Bench—

免费商用

Kimi K2.6

HLE54.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified80.20

τ²-Bench—

免费商用

Claude Opus 4.6

HLE53.00

ARC-AGI-266.30

FrontierMath - Tier 422.90

SWE-bench Verified80.84

τ²-Bench91.89

不开源

Qwen3.6-Max-Preview

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

不开源

GLM 5.1

HLE52.30

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

免费商用

Composer 2

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

不开源

Qwen 3.6 Plus Preview

HLE50.60

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified78.80

τ²-Bench—

不开源

GLM-5

HLE50.40

ARC-AGI-24.90

FrontierMath - Tier 42.10

SWE-bench Verified77.80

τ²-Bench89.70

免费商用

GPT-5.4 mini

HLE41.50

ARC-AGI-2—

FrontierMath - Tier 42.10

SWE-bench Verified—

τ²-Bench—

不开源

Opus 4.5

HLE43.20

ARC-AGI-237.60

FrontierMath - Tier 44.20

SWE-bench Verified80.90

τ²-Bench81.99

不开源

Qwen3.6-27B

HLE24.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified77.20

τ²-Bench—

免费商用

Claude Sonnet 4.6

HLE49.00

ARC-AGI-258.30

FrontierMath - Tier 48.30

SWE-bench Verified79.60

τ²-Bench—

不开源

Muse Spark

HLE58.00

ARC-AGI-242.50

FrontierMath - Tier 414.60

SWE-bench Verified77.40

τ²-Bench—

不开源

DeepSeek-V4-Flash

HLE45.10

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified79.00

τ²-Bench—

免费商用

Gemini 3.0 Pro (Preview 11-2025)

HLE45.80

ARC-AGI-245.10

FrontierMath - Tier 418.80

SWE-bench Verified76.20

τ²-Bench85.40

不开源

Qwen3.5-397B-A17B

HLE48.30

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified76.40

τ²-Bench86.70

免费商用

MiniMax M2.5

HLE19.40

ARC-AGI-24.90

FrontierMath - Tier 4—

SWE-bench Verified80.20

τ²-Bench—

免费商用

Qwen3.6-35B-A3B

HLE21.40

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified73.40

τ²-Bench—

免费商用

Step 3.5 Flash

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified74.40

τ²-Bench88.20

免费商用

Kimi K2.5

HLE50.20

ARC-AGI-211.80

FrontierMath - Tier 44.20

SWE-bench Verified76.80

τ²-Bench—

免费商用

M2.1

HLE22.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified74.80

τ²-Bench—

免费商用

Composer 1.5

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

不开源

Gemini 3.0 Flash

HLE43.50

ARC-AGI-233.60

FrontierMath - Tier 44.20

SWE-bench Verified68.70

τ²-Bench90.20

不开源

GPT-5.1

HLE42.70

ARC-AGI-217.60

FrontierMath - Tier 412.50

SWE-bench Verified76.30

τ²-Bench—

不开源

排序：

查看全部 204 个模型的 Terminal Bench 2.0 完整排名

综合排名

单项评测排名

按数学、编程、Agent 等维度筛选排名。下方可切换评测基准，也可直接进入分类排行榜查看完整排名。查看全部评测基准。

大模型性能评测结果

数据来源：DataLearnerAI

各评测基准展示所有评测模式中的最高得分。点击模型名称可查看不同评测模式的详细结果。

排名	模型						开源情况
	GPT-5.5	52.20	85.00	35.40	—	—	不开源
	Claude Mythos Preview	64.70	—	—	93.90	—	不开源
	GPT-5.3 Codex	—	—	—	—	—	不开源
4	GPT-5.4	52.10	77.10	27.10	—	—	不开源
5	Opus 4.7	54.70	75.80	22.90	87.60	—	不开源
6	Gemini 3.1 Pro Preview	51.40	77.10	16.70	80.60	90.80	不开源
7	DeepSeek-V4-Pro	48.20	—	—	80.60	—	免费商用
8	Kimi K2.6	54.00	—	—	80.20	—	免费商用
9	Claude Opus 4.6	53.00	66.30	22.90	80.84	91.89	不开源
10	Qwen3.6-Max-Preview	—	—	—	—	—	不开源
11	GLM 5.1	52.30	—	—	—	—	免费商用
12	Composer 2	—	—	—	—	—	不开源
13	Qwen 3.6 Plus Preview	50.60	—	—	78.80	—	不开源
14	GLM-5	50.40	4.90	2.10	77.80	89.70	免费商用
15	GPT-5.4 mini	41.50	—	2.10	—	—	不开源
16	Opus 4.5	43.20	37.60	4.20	80.90	81.99	不开源
17	Qwen3.6-27B	24.00	—	—	77.20	—	免费商用
18	Claude Sonnet 4.6	49.00	58.30	8.30	79.60	—	不开源
19	Muse Spark	58.00	42.50	14.60	77.40	—	不开源
20	DeepSeek-V4-Flash	45.10	—	—	79.00	—	免费商用
21	Gemini 3.0 Pro (Preview 11-2025)	45.80	45.10	18.80	76.20	85.40	不开源
22	Qwen3.5-397B-A17B	48.30	—	—	76.40	86.70	免费商用
23	MiniMax M2.5	19.40	4.90	—	80.20	—	免费商用
24	Qwen3.6-35B-A3B	21.40	—	—	73.40	—	免费商用
25	Step 3.5 Flash	—	—	—	74.40	88.20	免费商用
26	Kimi K2.5	50.20	11.80	4.20	76.80	—	免费商用
27	M2.1	22.00	—	—	74.80	—	免费商用
28	Composer 1.5	—	—	—	—	—	不开源
29	Gemini 3.0 Flash	43.50	33.60	4.20	68.70	90.20	不开源
30	GPT-5.1	42.70	17.60	12.50	76.30	—	不开源

GPT-5.5

HLE52.20

ARC-AGI-285.00

FrontierMath - Tier 435.40

SWE-bench Verified—

τ²-Bench—

不开源

Claude Mythos Preview

HLE64.70

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified93.90

τ²-Bench—

不开源

GPT-5.3 Codex

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

不开源

GPT-5.4

HLE52.10

ARC-AGI-277.10

FrontierMath - Tier 427.10

SWE-bench Verified—

τ²-Bench—

不开源

Opus 4.7

HLE54.70

ARC-AGI-275.80

FrontierMath - Tier 422.90

SWE-bench Verified87.60

τ²-Bench—

不开源

Gemini 3.1 Pro Preview

HLE51.40

ARC-AGI-277.10

FrontierMath - Tier 416.70

SWE-bench Verified80.60

τ²-Bench90.80

不开源

DeepSeek-V4-Pro

HLE48.20

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified80.60

τ²-Bench—

免费商用

Kimi K2.6

HLE54.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified80.20

τ²-Bench—

免费商用

Claude Opus 4.6

HLE53.00

ARC-AGI-266.30

FrontierMath - Tier 422.90

SWE-bench Verified80.84

τ²-Bench91.89

不开源

Qwen3.6-Max-Preview

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

不开源

GLM 5.1

HLE52.30

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

免费商用

Composer 2

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

不开源

Qwen 3.6 Plus Preview

HLE50.60

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified78.80

τ²-Bench—

不开源

GLM-5

HLE50.40

ARC-AGI-24.90

FrontierMath - Tier 42.10

SWE-bench Verified77.80

τ²-Bench89.70

免费商用

GPT-5.4 mini

HLE41.50

ARC-AGI-2—

FrontierMath - Tier 42.10

SWE-bench Verified—

τ²-Bench—

不开源

Opus 4.5

HLE43.20

ARC-AGI-237.60

FrontierMath - Tier 44.20

SWE-bench Verified80.90

τ²-Bench81.99

不开源

Qwen3.6-27B

HLE24.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified77.20

τ²-Bench—

免费商用

Claude Sonnet 4.6

HLE49.00

ARC-AGI-258.30

FrontierMath - Tier 48.30

SWE-bench Verified79.60

τ²-Bench—

不开源

Muse Spark

HLE58.00

ARC-AGI-242.50

FrontierMath - Tier 414.60

SWE-bench Verified77.40

τ²-Bench—

不开源

DeepSeek-V4-Flash

HLE45.10

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified79.00

τ²-Bench—

免费商用

Gemini 3.0 Pro (Preview 11-2025)

HLE45.80

ARC-AGI-245.10

FrontierMath - Tier 418.80

SWE-bench Verified76.20

τ²-Bench85.40

不开源

Qwen3.5-397B-A17B

HLE48.30

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified76.40

τ²-Bench86.70

免费商用

MiniMax M2.5

HLE19.40

ARC-AGI-24.90

FrontierMath - Tier 4—

SWE-bench Verified80.20

τ²-Bench—

免费商用

Qwen3.6-35B-A3B

HLE21.40

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified73.40

τ²-Bench—

免费商用

Step 3.5 Flash

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified74.40

τ²-Bench88.20

免费商用

Kimi K2.5

HLE50.20

ARC-AGI-211.80

FrontierMath - Tier 44.20

SWE-bench Verified76.80

τ²-Bench—

免费商用

M2.1

HLE22.00

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified74.80

τ²-Bench—

免费商用

Composer 1.5

HLE—

ARC-AGI-2—

FrontierMath - Tier 4—

SWE-bench Verified—

τ²-Bench—

不开源

Gemini 3.0 Flash

HLE43.50

ARC-AGI-233.60

FrontierMath - Tier 44.20

SWE-bench Verified68.70

τ²-Bench90.20

不开源

GPT-5.1

HLE42.70

ARC-AGI-217.60

FrontierMath - Tier 412.50

SWE-bench Verified76.30

τ²-Bench—

不开源

排序：

查看全部 204 个模型的 Terminal Bench 2.0 完整排名