项目测评

LiveBench 2.0 综合任务表现与运行成本

LiveBench · 49 条配置有公开分数,按独立指标查看结果和测试条件。

报告身份与条件

资料日期 2026-10-18 · 报告发布日期 —。运行日期与测试条件见各条记录。

榜单资料更新于

  • 七类任务分别保留单次运行的0–100分;原报告把执行故障且重试仍未测得的任务记为0。缺失单元格保持缺失,不自行填0。
  • 综合分按七类任务等权平均,本站综合对照仅纳入七类分数完整的配置;不将部分任务的平均数混入完整范围。
  • 成本为被测模型全部调用按服务商标价及缓存输入价格计算的费用,不含固定初始状态和评测框架辅助调用。逐任务保留总费用与任务数,USD/任务=总费用÷任务数,不是每成功任务成本或当前API单价。
  • 跨任务综合成本按七类总费用之和÷任务数之和,仅七类成本和样本均完整时提供,避免把任务分布不同的运行直接混排。
  • 模型按报告中的配置标识分别展示;同名或可变调用名不证明具体快照,测试日期、参数及档位以对应运行说明为准。
  • 成绩事实来自LiveBench官方榜单,方法和原始版本可由报告入口查阅;不复用测试题、答案、基准代码或未注明适用范围的API标价。
  • 基准版本:2026-09-02;榜单资料更新:2026-10-14。二者不是逐次测试日期或型号官方发布日期。
访问报告原文 ↗

同一报告内分别比较指标,方向与口径见图表说明。
完整数值和运行条件见明细。

综合得分

七类任务分数等权平均;仅七类均有分数时参与本综合对比。 图示 8 / 49 条有值记录;运行配置与日期见明细。

查看图表数据 · 8 项
名称分
claude-fable-5.187.99
claude-opus-5.586.53
gpt-6-astra86.14
gpt-6.1-sol85.41
gemini-4-argon84.1
claude-fable-583.61
claude-sonnet-5.582.46
claude-opus-582.09

长任务得分

本任务范围的单次运行平均得分,0–100;不与其他基准或任务直接混排。 图示 8 / 49 条有值记录;运行配置与日期见明细。

查看图表数据 · 8 项
名称分
claude-opus-5.585
gpt-6-astra82.4
claude-fable-5.180.8
claude-sonnet-5.578.8
gpt-6.1-sol73
gemini-4-argon69.9
gpt-6-sol66.9
claude-opus-562.1

完整结果与对象版本

49 / 49 条配置有本范围的公开分数;列表展示有分数的配置,缺项保留“未提供”。同名型号的不同运行配置分别列出。

glm-5.3-flash

报告所列型号

综合得分
70.61 分
长任务得分
28.4 分
推理得分
77.6 分
编程得分
80.6 分
展开其余指标
浏览器任务得分
84 分
数据分析得分
76.4 分
研究得分
70.1 分
文档与设计得分
77.2 分
综合每任务成本
0.105083 USD / 任务

总费用 $49.8093 · 474 个任务

长任务每任务成本
1.628772 USD / 任务

总费用 $29.3179 · 18 个任务

推理每任务成本
0.013782 USD / 任务

总费用 $2.7839 · 202 个任务

编程每任务成本
0.169586 USD / 任务

总费用 $4.918 · 29 个任务

浏览器任务每任务成本
0.160988 USD / 任务

总费用 $4.0247 · 25 个任务

数据分析每任务成本
0.024275 USD / 任务

总费用 $3.6413 · 150 个任务

研究每任务成本
0.148588 USD / 任务

总费用 $3.7147 · 25 个任务

文档与设计每任务成本
0.056352 USD / 任务

总费用 $1.4088 · 25 个任务

nemotron-ultra-3

报告所列型号

综合得分
40.83 分
长任务得分
11.2 分
推理得分
74.7 分
编程得分
43.6 分
展开其余指标
浏览器任务得分
0 分
数据分析得分
54.5 分
研究得分
43.2 分
文档与设计得分
58.6 分
综合每任务成本
0.440712 USD / 任务

总费用 $208.8974 · 474 个任务

长任务每任务成本
4.365139 USD / 任务

总费用 $78.5725 · 18 个任务

推理每任务成本
0.122558 USD / 任务

总费用 $24.7567 · 202 个任务

编程每任务成本
0.875421 USD / 任务

总费用 $25.3872 · 29 个任务

浏览器任务每任务成本
0.4532 USD / 任务

总费用 $11.33 · 25 个任务

数据分析每任务成本
0.163418 USD / 任务

总费用 $24.5127 · 150 个任务

研究每任务成本
1.712944 USD / 任务

总费用 $42.8236 · 25 个任务

文档与设计每任务成本
0.060588 USD / 任务

总费用 $1.5147 · 25 个任务

mistral-large-4

报告所列型号

综合得分
47.7 分
长任务得分
11.8 分
推理得分
83.9 分
编程得分
60 分
展开其余指标
浏览器任务得分
8 分
数据分析得分
76.5 分
研究得分
28.1 分
文档与设计得分
65.6 分
综合每任务成本
0.632838 USD / 任务

总费用 $299.9654 · 474 个任务

长任务每任务成本
9.555722 USD / 任务

总费用 $172.003 · 18 个任务

推理每任务成本
0.060667 USD / 任务

总费用 $12.2548 · 202 个任务

编程每任务成本
0.982586 USD / 任务

总费用 $28.495 · 29 个任务

浏览器任务每任务成本
0.450644 USD / 任务

总费用 $11.2661 · 25 个任务

数据分析每任务成本
0.068503 USD / 任务

总费用 $10.2755 · 150 个任务

研究每任务成本
2.237884 USD / 任务

总费用 $55.9471 · 25 个任务

文档与设计每任务成本
0.388956 USD / 任务

总费用 $9.7239 · 25 个任务

minimax-m3

报告所列型号

综合得分
53.74 分
长任务得分
12.4 分
推理得分
74.5 分
编程得分
70.9 分
展开其余指标
浏览器任务得分
8 分
数据分析得分
76.2 分
研究得分
68 分
文档与设计得分
66.2 分
综合每任务成本
0.250927 USD / 任务

总费用 $118.9396 · 474 个任务

长任务每任务成本
4.195256 USD / 任务

总费用 $75.5146 · 18 个任务

推理每任务成本
0.019356 USD / 任务

总费用 $3.91 · 202 个任务

编程每任务成本
0.455093 USD / 任务

总费用 $13.1977 · 29 个任务

浏览器任务每任务成本
0.429204 USD / 任务

总费用 $10.7301 · 25 个任务

数据分析每任务成本
0.028753 USD / 任务

总费用 $4.3129 · 150 个任务

研究每任务成本
0.24308 USD / 任务

总费用 $6.077 · 25 个任务

文档与设计每任务成本
0.207892 USD / 任务

总费用 $5.1973 · 25 个任务

nemotron-lightning-3.5

报告所列型号

综合得分
28.69 分
长任务得分
8.3 分
推理得分
42.9 分
编程得分
22.6 分
展开其余指标
浏览器任务得分
0 分
数据分析得分
43.1 分
研究得分
40 分
文档与设计得分
43.9 分
综合每任务成本
0.030366 USD / 任务

总费用 $14.3936 · 474 个任务

长任务每任务成本
0.23445 USD / 任务

总费用 $4.2201 · 18 个任务

推理每任务成本
0.022458 USD / 任务

总费用 $4.5366 · 202 个任务

编程每任务成本
0.032831 USD / 任务

总费用 $0.9521 · 29 个任务

浏览器任务每任务成本
0.042988 USD / 任务

总费用 $1.0747 · 25 个任务

数据分析每任务成本
0.013829 USD / 任务

总费用 $2.0744 · 150 个任务

研究每任务成本
0.045908 USD / 任务

总费用 $1.1477 · 25 个任务

文档与设计每任务成本
0.01552 USD / 任务

总费用 $0.388 · 25 个任务

deepseek-v4.1-flash-1017

报告所列型号

综合得分
79.2 分
长任务得分
50.9 分
推理得分
89.1 分
编程得分
96 分
展开其余指标
浏览器任务得分
76 分
数据分析得分
79.5 分
研究得分
79.5 分
文档与设计得分
83.4 分
综合每任务成本
0.065855 USD / 任务

总费用 $31.2155 · 474 个任务

长任务每任务成本
0.729122 USD / 任务

总费用 $13.1242 · 18 个任务

推理每任务成本
0.012111 USD / 任务

总费用 $2.4464 · 202 个任务

编程每任务成本
0.097769 USD / 任务

总费用 $2.8353 · 29 个任务

浏览器任务每任务成本
0.122508 USD / 任务

总费用 $3.0627 · 25 个任务

数据分析每任务成本
0.01658 USD / 任务

总费用 $2.487 · 150 个任务

研究每任务成本
0.1844 USD / 任务

总费用 $4.61 · 25 个任务

文档与设计每任务成本
0.105996 USD / 任务

总费用 $2.6499 · 25 个任务

step-5-preview

报告所列型号

综合得分
62.01 分
长任务得分
27.5 分
推理得分
83.8 分
编程得分
85.6 分
展开其余指标
浏览器任务得分
24 分
数据分析得分
63.5 分
研究得分
72.8 分
文档与设计得分
76.9 分
综合每任务成本
0.751586 USD / 任务

总费用 $356.2516 · 474 个任务

长任务每任务成本
10.375628 USD / 任务

总费用 $186.7613 · 18 个任务

推理每任务成本
0.048222 USD / 任务

总费用 $9.7409 · 202 个任务

编程每任务成本
1.095317 USD / 任务

总费用 $31.7642 · 29 个任务

浏览器任务每任务成本
2.791736 USD / 任务

总费用 $69.7934 · 25 个任务

数据分析每任务成本
0.063899 USD / 任务

总费用 $9.5848 · 150 个任务

研究每任务成本
1.198592 USD / 任务

总费用 $29.9648 · 25 个任务

文档与设计每任务成本
0.745688 USD / 任务

总费用 $18.6422 · 25 个任务

claude-fable-5

报告所列型号

综合得分
83.61 分
长任务得分
53.2 分
推理得分
89.7 分
编程得分
98.3 分
展开其余指标
浏览器任务得分
92 分
数据分析得分
80.5 分
研究得分
86.9 分
文档与设计得分
84.7 分
综合每任务成本
4.603071 USD / 任务

总费用 $2181.8557 · 474 个任务

长任务每任务成本
59.736594 USD / 任务

总费用 $1075.2587 · 18 个任务

推理每任务成本
0.602396 USD / 任务

总费用 $121.684 · 202 个任务

编程每任务成本
8.927262 USD / 任务

总费用 $258.8906 · 29 个任务

浏览器任务每任务成本
5.564484 USD / 任务

总费用 $139.1121 · 25 个任务

数据分析每任务成本
1.300688 USD / 任务

总费用 $195.1032 · 150 个任务

研究每任务成本
9.8147 USD / 任务

总费用 $245.3675 · 25 个任务

文档与设计每任务成本
5.857584 USD / 任务

总费用 $146.4396 · 25 个任务

gemini-3.1-pro

报告所列型号

综合得分
54.91 分
长任务得分
23.9 分
推理得分
84 分
编程得分
66.7 分
展开其余指标
浏览器任务得分
4 分
数据分析得分
78.5 分
研究得分
65.7 分
文档与设计得分
61.6 分
综合每任务成本
0.674967 USD / 任务

总费用 $319.9342 · 474 个任务

长任务每任务成本
8.125694 USD / 任务

总费用 $146.2625 · 18 个任务

推理每任务成本
0.148407 USD / 任务

总费用 $29.9783 · 202 个任务

编程每任务成本
1.290717 USD / 任务

总费用 $37.4308 · 29 个任务

浏览器任务每任务成本
1.532788 USD / 任务

总费用 $38.3197 · 25 个任务

数据分析每任务成本
0.259501 USD / 任务

总费用 $38.9252 · 150 个任务

研究每任务成本
0.618536 USD / 任务

总费用 $15.4634 · 25 个任务

文档与设计每任务成本
0.542172 USD / 任务

总费用 $13.5543 · 25 个任务

gemini-3.8-flash

报告所列型号

综合得分
67.34 分
长任务得分
30.1 分
推理得分
89.3 分
编程得分
82.2 分
展开其余指标
浏览器任务得分
64 分
数据分析得分
54 分
研究得分
79.1 分
文档与设计得分
72.7 分
综合每任务成本
0.747827 USD / 任务

总费用 $354.4699 · 474 个任务

长任务每任务成本
7.039017 USD / 任务

总费用 $126.7023 · 18 个任务

推理每任务成本
0.147551 USD / 任务

总费用 $29.8054 · 202 个任务

编程每任务成本
2.296428 USD / 任务

总费用 $66.5964 · 29 个任务

浏览器任务每任务成本
0.972904 USD / 任务

总费用 $24.3226 · 25 个任务

数据分析每任务成本
0.237713 USD / 任务

总费用 $35.657 · 150 个任务

研究每任务成本
2.041476 USD / 任务

总费用 $51.0369 · 25 个任务

文档与设计每任务成本
0.813972 USD / 任务

总费用 $20.3493 · 25 个任务

nemotron-super-vl-3.5

报告所列型号

综合得分
51.47 分
长任务得分
15.8 分
推理得分
78.8 分
编程得分
65.5 分
展开其余指标
浏览器任务得分
4 分
数据分析得分
64.6 分
研究得分
70.9 分
文档与设计得分
60.7 分
综合每任务成本
0.076365 USD / 任务

总费用 $36.1968 · 474 个任务

长任务每任务成本
0.983917 USD / 任务

总费用 $17.7105 · 18 个任务

推理每任务成本
0.011557 USD / 任务

总费用 $2.3345 · 202 个任务

编程每任务成本
0.165821 USD / 任务

总费用 $4.8088 · 29 个任务

浏览器任务每任务成本
0.228852 USD / 任务

总费用 $5.7213 · 25 个任务

数据分析每任务成本
0.016655 USD / 任务

总费用 $2.4982 · 150 个任务

研究每任务成本
0.090076 USD / 任务

总费用 $2.2519 · 25 个任务

文档与设计每任务成本
0.034864 USD / 任务

总费用 $0.8716 · 25 个任务

gpt-5.6-sol

报告所列型号

综合得分
76.26 分
长任务得分
48.5 分
推理得分
91.7 分
编程得分
89.7 分
展开其余指标
浏览器任务得分
88 分
数据分析得分
79.8 分
研究得分
54.5 分
文档与设计得分
81.6 分
综合每任务成本
1.902254 USD / 任务

总费用 $901.6682 · 474 个任务

长任务每任务成本
15.961511 USD / 任务

总费用 $287.3072 · 18 个任务

推理每任务成本
0.285363 USD / 任务

总费用 $57.6434 · 202 个任务

编程每任务成本
3.768831 USD / 任务

总费用 $109.2961 · 29 个任务

浏览器任务每任务成本
1.338172 USD / 任务

总费用 $33.4543 · 25 个任务

数据分析每任务成本
0.35311 USD / 任务

总费用 $52.9665 · 150 个任务

研究每任务成本
12.688916 USD / 任务

总费用 $317.2229 · 25 个任务

文档与设计每任务成本
1.751112 USD / 任务

总费用 $43.7778 · 25 个任务

mimo-v2.6-pro

报告所列型号

综合得分
74.87 分
长任务得分
47.5 分
推理得分
79.6 分
编程得分
81.5 分
展开其余指标
浏览器任务得分
88 分
数据分析得分
72.3 分
研究得分
76.7 分
文档与设计得分
78.5 分
综合每任务成本
0.125006 USD / 任务

总费用 $59.2527 · 474 个任务

长任务每任务成本
1.388622 USD / 任务

总费用 $24.9952 · 18 个任务

推理每任务成本
0.023748 USD / 任务

总费用 $4.7971 · 202 个任务

编程每任务成本
0.223907 USD / 任务

总费用 $6.4933 · 29 个任务

浏览器任务每任务成本
0.456672 USD / 任务

总费用 $11.4168 · 25 个任务

数据分析每任务成本
0.038581 USD / 任务

总费用 $5.7872 · 150 个任务

研究每任务成本
0.1373 USD / 任务

总费用 $3.4325 · 25 个任务

文档与设计每任务成本
0.093224 USD / 任务

总费用 $2.3306 · 25 个任务

grok-4.6

报告所列型号

综合得分
74.64 分
长任务得分
40.7 分
推理得分
90.5 分
编程得分
89.1 分
展开其余指标
浏览器任务得分
64 分
数据分析得分
73.9 分
研究得分
84.5 分
文档与设计得分
79.8 分
综合每任务成本
0.928937 USD / 任务

总费用 $440.3162 · 474 个任务

长任务每任务成本
10.625811 USD / 任务

总费用 $191.2646 · 18 个任务

推理每任务成本
0.087014 USD / 任务

总费用 $17.5769 · 202 个任务

编程每任务成本
1.858379 USD / 任务

总费用 $53.893 · 29 个任务

浏览器任务每任务成本
2.921248 USD / 任务

总费用 $73.0312 · 25 个任务

数据分析每任务成本
0.119969 USD / 任务

总费用 $17.9953 · 150 个任务

研究每任务成本
2.195636 USD / 任务

总费用 $54.8909 · 25 个任务

文档与设计每任务成本
1.266572 USD / 任务

总费用 $31.6643 · 25 个任务

grok-4.7

报告所列型号

综合得分
74.09 分
长任务得分
50.1 分
推理得分
82.7 分
编程得分
84.5 分
展开其余指标
浏览器任务得分
60 分
数据分析得分
76.9 分
研究得分
86.4 分
文档与设计得分
78 分
综合每任务成本
2.001852 USD / 任务

总费用 $948.8778 · 474 个任务

长任务每任务成本
18.9333 USD / 任务

总费用 $340.7994 · 18 个任务

推理每任务成本
0.385072 USD / 任务

总费用 $77.7846 · 202 个任务

编程每任务成本
4.879883 USD / 任务

总费用 $141.5166 · 29 个任务

浏览器任务每任务成本
4.777796 USD / 任务

总费用 $119.4449 · 25 个任务

数据分析每任务成本
0.487966 USD / 任务

总费用 $73.1949 · 150 个任务

研究每任务成本
4.475928 USD / 任务

总费用 $111.8982 · 25 个任务

文档与设计每任务成本
3.369568 USD / 任务

总费用 $84.2392 · 25 个任务

gemini-3.7-flash

报告所列型号

综合得分
67.19 分
长任务得分
28.3 分
推理得分
87.8 分
编程得分
80.5 分
展开其余指标
浏览器任务得分
56 分
数据分析得分
68 分
研究得分
76.5 分
文档与设计得分
73.2 分
综合每任务成本
0.5889 USD / 任务

总费用 $279.1385 · 474 个任务

长任务每任务成本
5.558494 USD / 任务

总费用 $100.0529 · 18 个任务

推理每任务成本
0.068898 USD / 任务

总费用 $13.9174 · 202 个任务

编程每任务成本
1.731707 USD / 任务

总费用 $50.2195 · 29 个任务

浏览器任务每任务成本
0.848936 USD / 任务

总费用 $21.2234 · 25 个任务

数据分析每任务成本
0.166657 USD / 任务

总费用 $24.9985 · 150 个任务

研究每任务成本
2.185256 USD / 任务

总费用 $54.6314 · 25 个任务

文档与设计每任务成本
0.563816 USD / 任务

总费用 $14.0954 · 25 个任务

claude-sonnet-5.5

报告所列型号

综合得分
82.46 分
长任务得分
78.8 分
推理得分
91.6 分
编程得分
94.7 分
展开其余指标
浏览器任务得分
84 分
数据分析得分
59.5 分
研究得分
83.6 分
文档与设计得分
85 分
综合每任务成本
3.137369 USD / 任务

总费用 $1487.113 · 474 个任务

长任务每任务成本
35.0115 USD / 任务

总费用 $630.207 · 18 个任务

推理每任务成本
0.209063 USD / 任务

总费用 $42.2308 · 202 个任务

编程每任务成本
5.188276 USD / 任务

总费用 $150.46 · 29 个任务

浏览器任务每任务成本
7.7212 USD / 任务

总费用 $193.03 · 25 个任务

数据分析每任务成本
0.530635 USD / 任务

总费用 $79.5952 · 150 个任务

研究每任务成本
9.7764 USD / 任务

总费用 $244.41 · 25 个任务

文档与设计每任务成本
5.8872 USD / 任务

总费用 $147.18 · 25 个任务

claude-sonnet-5

报告所列型号

综合得分
74.63 分
长任务得分
39 分
推理得分
88.7 分
编程得分
82.2 分
展开其余指标
浏览器任务得分
76 分
数据分析得分
71.7 分
研究得分
82.8 分
文档与设计得分
82 分
综合每任务成本
2.510329 USD / 任务

总费用 $1189.8958 · 474 个任务

长任务每任务成本
33.211139 USD / 任务

总费用 $597.8005 · 18 个任务

推理每任务成本
0.382767 USD / 任务

总费用 $77.3189 · 202 个任务

编程每任务成本
4.749372 USD / 任务

总费用 $137.7318 · 29 个任务

浏览器任务每任务成本
2.45116 USD / 任务

总费用 $61.279 · 25 个任务

数据分析每任务成本
0.465099 USD / 任务

总费用 $69.7648 · 150 个任务

研究每任务成本
4.924056 USD / 任务

总费用 $123.1014 · 25 个任务

文档与设计每任务成本
4.915976 USD / 任务

总费用 $122.8994 · 25 个任务

claude-haiku-5.5

报告所列型号

综合得分
74.49 分
长任务得分
56.6 分
推理得分
84.6 分
编程得分
84.5 分
展开其余指标
浏览器任务得分
88 分
数据分析得分
51.8 分
研究得分
73.7 分
文档与设计得分
82.2 分
综合每任务成本
0.157218 USD / 任务

总费用 $74.5213 · 474 个任务

长任务每任务成本
2.053511 USD / 任务

总费用 $36.9632 · 18 个任务

推理每任务成本
0.020599 USD / 任务

总费用 $4.1609 · 202 个任务

编程每任务成本
0.191083 USD / 任务

总费用 $5.5414 · 29 个任务

浏览器任务每任务成本
0.363352 USD / 任务

总费用 $9.0838 · 25 个任务

数据分析每任务成本
0.030389 USD / 任务

总费用 $4.5584 · 150 个任务

研究每任务成本
0.389508 USD / 任务

总费用 $9.7377 · 25 个任务

文档与设计每任务成本
0.179036 USD / 任务

总费用 $4.4759 · 25 个任务

inkling

报告所列型号

综合得分
51.91 分
长任务得分
14.1 分
推理得分
78.3 分
编程得分
64 分
展开其余指标
浏览器任务得分
16 分
数据分析得分
72.8 分
研究得分
59.9 分
文档与设计得分
58.3 分
综合每任务成本
0.915763 USD / 任务

总费用 $434.0717 · 474 个任务

长任务每任务成本
12.405622 USD / 任务

总费用 $223.3012 · 18 个任务

推理每任务成本
0.120882 USD / 任务

总费用 $24.4182 · 202 个任务

编程每任务成本
1.876617 USD / 任务

总费用 $54.4219 · 29 个任务

浏览器任务每任务成本
2.39616 USD / 任务

总费用 $59.904 · 25 个任务

数据分析每任务成本
0.169539 USD / 任务

总费用 $25.4309 · 150 个任务

研究每任务成本
1.577692 USD / 任务

总费用 $39.4423 · 25 个任务

文档与设计每任务成本
0.286128 USD / 任务

总费用 $7.1532 · 25 个任务