模型榜
公开评测里的 AI 模型排名
AI MODEL LEADERBOARD
AI 模型排行榜
专家难题、研究级数学与物理、逻辑、棋类、做实验反推规律与科学工作流，看模型能不能想明白新问题。
15 项评测·7 家机构·11/10 08:05 更新
科研榜30 个模型
| 名次 | 模型 | ||
|---|---|---|---|
| 01 | GPT-6 AstraOpenAIOpenAI · 9月3日上线 | 15 项评测覆盖 100% | 77.2覆盖 100% |
| 02 | Claude Opus 5.5AnthropicAnthropic · 9月22日上线 | 15 项评测覆盖 100% | 75.7覆盖 100% |
| 03 | GPT-6.1 SolOpenAIOpenAI · 9月29日上线 | 15 项评测覆盖 100% | 75.5覆盖 100% |
| 04 | GPT-6.1 TerraOpenAIOpenAI · 10月26日上线 | 6 项评测覆盖 56% | 73.8覆盖 56% |
| 05 | Claude Fable 5.1AnthropicAnthropic · 9月1日上线 | 12 项评测覆盖 89% | 73.6覆盖 89% |
| 06 | Claude Sonnet 5.5AnthropicAnthropic · 9月28日上线 | 15 项评测覆盖 100% | 73.4覆盖 100% |
| 07 | Gemini 4 ArgonGoogleGoogle · 9月30日上线 | 14 项评测覆盖 100% | 72.8覆盖 100% |
| 08 | Claude Opus 5AnthropicAnthropic · 7月24日上线 | 12 项评测覆盖 100% | 70.9覆盖 100% |
| 09 | GPT-5.6 SolOpenAIOpenAI · 7月9日上线 | 12 项评测覆盖 100% | 70.3覆盖 100% |
| 10 | Claude Fable 5AnthropicAnthropic · 6月9日上线 | 8 项评测覆盖 78% | 69.8覆盖 78% |
| 11 | Kimi K3.1 ProMoonshot AIMoonshot AI · 10月23日上线 | 10 项评测覆盖 78% | 69.7覆盖 78% |
| 12 | GPT-6 SolOpenAIOpenAI · 9月22日上线 | 12 项评测覆盖 100% | 69.7覆盖 100% |
| 13 | Muse WonderMetaMeta · 10月12日上线 | 11 项评测覆盖 89% | 68.0覆盖 89% |
| 14 | GPT-5.5OpenAIOpenAI · 4月23日上线 | 7 项评测覆盖 67% | 67.9覆盖 67% |
| 15 | GPT-5.6 TerraOpenAIOpenAI · 7月9日上线 | 10 项评测覆盖 78% | 65.8覆盖 78% |
| 16 | Gemini 3.8 FlashGoogleGoogle · 9月2日上线 | 15 项评测覆盖 100% | 65.3覆盖 100% |
| 17 | DeepSeek V4.1 Flash 1017DeepSeekDeepSeek · 10月17日上线 | 11 项评测覆盖 78% | 64.8覆盖 78% |
| 18 | Muse Spark 1.3MetaMeta · 9月2日上线 | 10 项评测覆盖 78% | 64.8覆盖 78% |
| 19 | Gemini 3.7 FlashGoogleGoogle · 8月13日上线 | 8 项评测覆盖 78% | 64.0覆盖 78% |
| 20 | Hy 4 PreviewTencentTencent · 8月28日上线 | 3 项评测覆盖 33% | 63.9覆盖 33% |
| 21 | Qwen3.8 MaxAlibabaAlibaba · 7月19日上线 | 11 项评测覆盖 89% | 63.7覆盖 89% |
| 22 | Claude Opus 4.8AnthropicAnthropic · 5月28日上线 | 8 项评测覆盖 78% | 63.6覆盖 78% |
| 23 | Claude Haiku 5.5AnthropicAnthropic · 10月7日上线 | 13 项评测覆盖 100% | 63.4覆盖 100% |
| 24 | Grok 4.6xAIxAI · 8月12日上线 | 12 项评测覆盖 100% | 62.8覆盖 100% |
| 25 | Kimi K3Moonshot AIMoonshot AI · 7月16日上线 | 13 项评测覆盖 89% | 62.6覆盖 89% |
| 26 | GPT-5.4OpenAIOpenAI · 3月5日上线 | 4 项评测覆盖 44% | 62.5覆盖 44% |
| 27 | Inkling 2 SmallThinking Machines LabThinking Machines Lab · 11月5日上线 | 6 项评测覆盖 56% | 62.5覆盖 56% |
| 28 | GLM-5.3Z.aiZ.ai · 8月18日上线 | 13 项评测覆盖 89% | 61.6覆盖 89% |
| 29 | Grok 4.7xAIxAI · 9月21日上线 | 15 项评测覆盖 100% | 61.6覆盖 100% |
| 30 | Qwen3.8 Max 0902AlibabaAlibaba · 9月1日上线 | 6 项评测覆盖 56% | 61.2覆盖 56% |
综合参考顺序前十中暂未进入科研榜：Claude Fable 5.2（已有 11 项可比评测）、Gemini 4 Carbon（已有 2 项可比评测）、Muse Wonder Full（已有 7 项可比评测）、Muse Ember（已有 2 项可比评测）、Hy4（已有 4 项可比评测）、ember-1（已有 3 项可比评测）、Qwen3.8 2.4 T A 95 B（已有 2 项可比评测）、Claude 4.5 Haiku（已有 4 项可比评测）、Command A（已有 4 项可比评测）。分类榜只比较测过同类评测的模型，通常需要两项、来自两家机构的评测。
综合评分为 0–100 分，越高表示本榜综合表现越强。同分按原榜名次排列；筛选后保留原榜评分与名次，每次最多展示 30 个模型。评分方法 2026.11-capability-scale-v24。
榜单定时同步展示；模型与各评测数据的权利归原机构。
如何看这张榜
综合评分把各家难度不同的评测折算成同一种分数：50 分是参照模型的平均水平，每 15 分约是一个标准差；两个模型相差 3 分以上，先后基本不会变。评分不是正确率。分类评分只看这个领域，只列在这个领域测得够多的模型。价格不参与排序，缺测不补分。能力表现请结合分项原始成绩与运行配置判断。
关于价格
API 价格来自厂商官网，按每百万 Token 展示。美元报价按 2026-11-09 汇率折算成人民币。缓存价格指命中后的输入价格，缓存写入、存储及订阅费用另计。