MMLU-Pro
AI 基准测试结果和模型表现
类型: percentage
已记录的结果
159
平均分数
71.62%
分数范围
16% - 88.50%
领先模型
88.50% - Qwen 3.6 Plus
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 |
|---|---|---|---|---|---|---|
| Qwen 3.6 Plus | 2026年4月01日 | 88.50% | - | 是 | 来源 | |
| MiniMax M2.1 | 2025年12月23日 | 88% | - | 是 | 来源 | |
| Qwen 3.5 397B A17B | 2026年2月16日 | 87.80% | - | 是 | 来源 | |
| Seed 2.0 Lite | 2026年2月14日 | 87.70% | Seed2 official benchmark table | MMLU-Pro | 是 | 来源 | |
| DeepSeek V4 Pro | 2026年4月24日 | 87.50% | EM; DeepSeek-V4-Pro Max | 是 | 来源 | |
| Kimi K2.5 | 2026年1月27日 | 87.10% | - | 是 | 来源 | |
| Ernie 5.0 | 2026年1月22日 | 87% | - | 是 | 来源 | |
| Ernie 5.0 0110 | - | 87% | inferred version-family alias from ernie-5.0 | 是 | 来源 | |
| Ernie 5.0 Preview 1203 | - | 87% | inferred version-family alias from ernie-5.0 | 是 | 来源 | |
| Ernie 5.0 Preview 1220 | - | 87% | inferred version-family alias from ernie-5.0 | 是 | 来源 | |
| Seed 2.0 Pro | 2026年2月14日 | 87% | Seed2 official benchmark table | MMLU-Pro | 是 | 来源 | |
| Qwen 3.5 122B A10B | 2026年2月24日 | 86.70% | - | 是 | 来源 | |
| DeepSeek V4 Flash | 2026年4月24日 | 86.40% | EM; DeepSeek-V4-Flash High | 是 | 来源 | |
| Qwen 3.5 27B | 2026年2月24日 | 86.10% | - | 是 | 来源 | |
| Qwen 3.5 Flash | 2026年2月23日 | 86.10% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | 是 | 来源 | |
| Qwen 3.5 35B A3B | 2026年2月24日 | 85.30% | - | 是 | 来源 | |
| Gemma 4 31B | 2026年4月02日 | 85.20% | - | 是 | 来源 | |
| DeepSeek OCR 2 | - | 85% | inferred family alias from deepseek-v3.2-exp (score=0.3809; benches=14) | 是 | 来源 | |
| DeepSeek V3.2 Exp | 2025年9月29日 | 85% | - | 是 | 来源 | |
| MiMo V2 Flash | 2025年12月16日 | 84.90% | - | 是 | 来源 | |
| Kimi K2 Thinking | 2025年11月06日 | 84.60% | inferred alias from kimi-k2-thinking-0905 | 是 | 来源 | |
| GLM 4.5 | 2025年7月28日 | 84.60% | - | 是 | 来源 | |
| Qwen 3 235B A22B Thinking 2507 | - | 84.40% | - | 是 | 来源 | |
| GLM 4.7 | 2025年12月22日 | 84.30% | - | 是 | 来源 | |
| K EXAONE | 2025年12月31日 | 83.80% | inferred modality/version alias from k-exaone-236b-a23b | 是 | 来源 |
