LiveBench
AI 基准测试结果和模型表现
类型: percentage
已记录的结果
62
平均分数
62.45%
分数范围
29.60% - 84.60%
领先模型
84.60% - o3 mini
分数变化趋势
按日期绘制的单项基准测试分数。
模型结果
| 组织 | 模型 | 报告时间 | 最高分数 | 信息 | 自行报告 | 来源 |
|---|---|---|---|---|---|---|
| o3 mini | 2025年1月30日 | 84.60% | - | 是 | 来源 | |
| GPT 5.5 | 2026年4月23日 | 80.71% | 2026-01-08 release; xHigh effort | 否 | 来源 | |
| Qwen 3 235B A22B Thinking 2507 | - | 78.40% | 2024-11-25 | 是 | 来源 | |
| Claude Opus 4.8 | 2026年5月28日 | 77.22% | 2026-01-08 release; xHigh effort | 否 | 来源 | |
| Qwen 3 235B A22B | - | 77.10% | - | 是 | 来源 | |
| Kimi K2 (2025-09-05) | 2025年9月05日 | 76.40% | Pass@1 | 是 | 来源 | |
| Qwen 3 A235 A22B Instruct 2507 | - | 75.40% | 2024-11-25 | 是 | 来源 | |
| Gemini 3.5 Flash | 2026年5月19日 | 75.02% | 2026-01-08 release; high effort | 否 | 来源 | |
| Qwen 3 32B | - | 74.90% | - | 是 | 来源 | |
| o3 | 2025年4月16日 | 74.42% | High Reasoning Effort | 否 | 来源 | |
| Qwen 3 30B A3B | - | 74.30% | - | 是 | 来源 | |
| Qwen 3 30B A3B Instruct 2507 | - | 74.30% | inferred version-family alias from qwen3-30b-a3b | 是 | 来源 | |
| Qwen 3 30B A3B Thinking 2507 | - | 74.30% | inferred version-family alias from qwen3-30b-a3b | 是 | 来源 | |
| Qwen 3 Coder 30B A3B Instruct | - | 74.30% | inferred high-confidence family alias from qwen3-30b-a3b (score=0.5007; benches=8) | 是 | 来源 | |
| Qwen 3 Omni 30B A3B Captioner | - | 74.30% | inferred family alias from qwen3-30b-a3b (score=0.4129; benches=8) | 是 | 来源 | |
| Qwen 3 Omni 30B A3B Instruct | - | 74.30% | inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8) | 是 | 来源 | |
| Qwen 3 Omni 30B A3B Thinking | - | 74.30% | inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8) | 是 | 来源 | |
| Qwen 3.7 Max | 2026年5月21日 | 74.29% | 2026-01-08 release | 否 | 来源 | |
| DeepSeek V4 Pro | 2026年4月24日 | 73.58% | 2026-01-08 release | 否 | 来源 | |
| QwQ 32B | - | 73.10% | - | 是 | 来源 | |
| Claude Opus 4 | 2025年5月21日 | 72.93% | 32k Thinking | 否 | 来源 | |
| Claude Sonnet 4 | 2025年5月21日 | 72.08% | 64k Thinking | 否 | 来源 | |
| o4 Mini | 2025年4月16日 | 71.52% | High Reasoning Effort | 否 | 来源 | |
| Qwen 3.6 Plus | 2026年4月01日 | 70.85% | 2026-01-08 release | 否 | 来源 | |
| DeepSeek R1 (2025-05-28) | 2025年5月28日 | 69.39% | - | 否 | 来源 |
