LiveBench · 推理与数学

Name: LiveBench · 推理与数学
Creator: LiveBench

LiveBench / 推理 · Reasoning + Mathematics 两项均分，各占 50%。

在 WebAi 中参与排名

证据预算4.2%

上游数据时间09/29 03:39

最近成功同步09/29 22:55

它测什么，怎么测

先分别计算 Reasoning、Mathematics 的分类成绩，再各占 50% 求平均，最后保留一位小数。两项均分与官网单独选择某一类的成绩不同。

两项均分作为一份证据参与排名，各专项共用 LiveBench 证据家族；Global Average 仅供参考，不重复计票。

按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gpt-6-astra-maxOpenAI	94.7%	Max 推理
2	claude-opus-5-5-max-effortAnthropic	94.6%	Max 推理
3	claude-fable-5-1-max-effortAnthropic	94.3%	Max 推理
4	gpt-5.6-sol-maxOpenAI	93.9%	Max 推理
5	claude-sonnet-5-5-max-effort—	93.9%	Max 推理
7	claude-opus-5-max-effortAnthropic	93.5%	Max 推理
8	claude-fable-5-max-effortAnthropic	92.8%	Max 推理
9	muse-spark-1.3-xhighMeta	92.8%	xHigh 推理
10	gpt-5.6-terra-maxOpenAI	92.8%	Max 推理
11	gpt-5.5-xhighOpenAI	92.8%	xHigh 推理
12	gpt-6-sol-maxOpenAI	92.5%	Max 推理
13	claude-opus-4-8-max-effortAnthropic	91.8%	Max 推理
15	grok-4.6xAI	91.5%	来源默认配置
16	gpt-5.4-xhighOpenAI	91.1%	xHigh 推理
17	claude-sonnet-5-xhigh-effortAnthropic	90.8%	xHigh 推理
18	gemini-3.7-flash-highGoogle	90.6%	High 推理
19	muse-spark-1.2-xhighMeta	90.6%	xHigh 推理
20	deepseek-v4-pro-0813DeepSeek	90.5%	来源默认配置
21	gemini-3.8-flash-highGoogle	90.4%	High 推理
22	claude-opus-4-7-xhigh-effortAnthropic	90.0%	xHigh 推理
23	deepseek-v4.1-flash-maxDeepSeek	90.0%	来源默认配置
24	qwen3.8-maxAlibaba	89.8%	来源默认配置
25	grok-4.7-xhighxAI	89.2%	xHigh 推理
26	grok-4.5xAI	89.0%	来源默认配置
27	claude-opus-4-6-thinking-auto-high-effortAnthropic	89.0%	High 推理
28	gpt-5.2-2025-12-11-highOpenAI	88.2%	High 推理
29	smaug-flashAbacus.AI	88.1%	来源默认配置
30	kimi-k3Moonshot AI	87.6%	来源默认配置
31	gemini-3.1-pro-preview-highGoogle	87.5%	High 推理
32	muse-spark-1.1-xhighMeta	87.4%	xHigh 推理

评测局限与数据署名

两项均分衡量组合表现，不能当成 Reasoning 单项成绩。官方页面切换分类或是否包含微调模型时，分数与排序会随之变化。组织参与方 Abacus.AI 同时开发 Smaug 模型，其独家成绩需要其他独立来源补充。

数据许可：Apache 2.0

分项成绩由 LiveBench 发布，AIHOT 按上述两类等权汇总并排序。两项均分与 AIHOT 共识分使用不同尺度，不能直接相加。