LLM BENCHMARK · 大语言模型基准评测榜
基准评测
双源评测榜：无污染基准看 LiveBench（新题月更防刷榜，总榜 / 编程 / 智能体编码 / 数学 / 推理 / 数据分析 / 语言 / 指令遵循八榜）， 能力基准看 Artificial Analysis 多项 benchmark。每榜只取前 20 名， 同一模型的不同思考深度折叠显示。
TOP 20 · INTELLIGENCE
综合智能 TOP 20
Artificial Analysis 智能指数，综合多基准评测。
「无污染基准」组来自 LiveBench 官方榜单（livebench.ai）：新题按月更新、不进入模型训练集，分数 0–100， 类内分取子任务均值、总榜为七类平均，当前版本 2026-06-25；「能力基准」组来自 Artificial Analysis 的多项 benchmark （智能指数、编程、SciCode、GPQA、HLE），经 ai-model-index 镜像每日更新。同一模型的 Max / xHigh / High 等思考深度已合并为一个条目，点开查看各深度。 数学类竞赛排名建议参考 MathArena（上游已停收新一代模型，为免误导于 2026-09 下线数学类指标）。 LMArena 人类偏好榜与 SWE-bench 经评估已于 2026-09 下线。