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。

gpt-6-astra

报告所列型号

综合得分
86.14 分
长任务得分
82.4 分
推理得分
92.7 分
编程得分
93.7 分
展开其余指标
浏览器任务得分
84 分
数据分析得分
83 分
研究得分
85.2 分
文档与设计得分
82 分
综合每任务成本
2.964769 USD / 任务

总费用 $1402.3356 · 473 个任务

长任务每任务成本
38.378918 USD / 任务

总费用 $652.4416 · 17 个任务

推理每任务成本
0.389843 USD / 任务

总费用 $78.7482 · 202 个任务

编程每任务成本
3.315369 USD / 任务

总费用 $96.1457 · 29 个任务

浏览器任务每任务成本
5.341308 USD / 任务

总费用 $133.5327 · 25 个任务

数据分析每任务成本
0.698902 USD / 任务

总费用 $104.8353 · 150 个任务

研究每任务成本
11.126884 USD / 任务

总费用 $278.1721 · 25 个任务

文档与设计每任务成本
2.3384 USD / 任务

总费用 $58.46 · 25 个任务

qwen3.8-27b

报告所列型号

综合得分
62.66 分
长任务得分
27.9 分
推理得分
80 分
编程得分
86.8 分
展开其余指标
浏览器任务得分
32 分
数据分析得分
76.6 分
研究得分
59.4 分
文档与设计得分
75.9 分
综合每任务成本
0.415958 USD / 任务

总费用 $197.1643 · 474 个任务

长任务每任务成本
6.256917 USD / 任务

总费用 $112.6245 · 18 个任务

推理每任务成本
0.016407 USD / 任务

总费用 $3.3142 · 202 个任务

编程每任务成本
0.604559 USD / 任务

总费用 $17.5322 · 29 个任务

浏览器任务每任务成本
1.10966 USD / 任务

总费用 $27.7415 · 25 个任务

数据分析每任务成本
0.019885 USD / 任务

总费用 $2.9827 · 150 个任务

研究每任务成本
0.964912 USD / 任务

总费用 $24.1228 · 25 个任务

文档与设计每任务成本
0.353856 USD / 任务

总费用 $8.8464 · 25 个任务

beam-1.0

报告所列型号

综合得分
55.5 分
长任务得分
17.3 分
推理得分
80.2 分
编程得分
83.9 分
展开其余指标
浏览器任务得分
0 分
数据分析得分
66.4 分
研究得分
72.8 分
文档与设计得分
67.9 分
综合每任务成本
未提供
长任务每任务成本
未提供
推理每任务成本
未提供
编程每任务成本
未提供
浏览器任务每任务成本
未提供
数据分析每任务成本
未提供
研究每任务成本
未提供
文档与设计每任务成本
未提供

claude-haiku-4.5

报告所列型号

综合得分
46.04 分
长任务得分
11.1 分
推理得分
61.7 分
编程得分
48.1 分
展开其余指标
浏览器任务得分
40 分
数据分析得分
59.3 分
研究得分
42.2 分
文档与设计得分
59.9 分
综合每任务成本
未提供
长任务每任务成本
2.548517 USD / 任务

总费用 $45.8733 · 18 个任务

推理每任务成本
未提供
编程每任务成本
0.494024 USD / 任务

总费用 $14.3267 · 29 个任务

浏览器任务每任务成本
0.812664 USD / 任务

总费用 $20.3166 · 25 个任务

数据分析每任务成本
未提供
研究每任务成本
0.257204 USD / 任务

总费用 $6.4301 · 25 个任务

文档与设计每任务成本
0.106652 USD / 任务

总费用 $2.6663 · 25 个任务

gpt-6-sol

报告所列型号

综合得分
81.91 分
长任务得分
66.9 分
推理得分
88.7 分
编程得分
93.1 分
展开其余指标
浏览器任务得分
92 分
数据分析得分
81.2 分
研究得分
69.3 分
文档与设计得分
82.2 分
综合每任务成本
0.899811 USD / 任务

总费用 $426.5103 · 474 个任务

长任务每任务成本
8.621461 USD / 任务

总费用 $155.1863 · 18 个任务

推理每任务成本
0.120914 USD / 任务

总费用 $24.4247 · 202 个任务

编程每任务成本
0.976897 USD / 任务

总费用 $28.33 · 29 个任务

浏览器任务每任务成本
3.806 USD / 任务

总费用 $95.15 · 25 个任务

数据分析每任务成本
0.198929 USD / 任务

总费用 $29.8393 · 150 个任务

研究每任务成本
3.318 USD / 任务

总费用 $82.95 · 25 个任务

文档与设计每任务成本
0.4252 USD / 任务

总费用 $10.63 · 25 个任务

claude-opus-5.5

报告所列型号

综合得分
86.53 分
长任务得分
85 分
推理得分
92.2 分
编程得分
96.3 分
展开其余指标
浏览器任务得分
80 分
数据分析得分
80.3 分
研究得分
85 分
文档与设计得分
86.9 分
综合每任务成本
3.647876 USD / 任务

总费用 $1729.0933 · 474 个任务

长任务每任务成本
38.008772 USD / 任务

总费用 $684.1579 · 18 个任务

推理每任务成本
0.252235 USD / 任务

总费用 $50.9515 · 202 个任务

编程每任务成本
5.03069 USD / 任务

总费用 $145.89 · 29 个任务

浏览器任务每任务成本
14.6696 USD / 任务

总费用 $366.74 · 25 个任务

数据分析每任务成本
0.814559 USD / 任务

总费用 $122.1839 · 150 个任务

研究每任务成本
8.6184 USD / 任务

总费用 $215.46 · 25 个任务

文档与设计每任务成本
5.7484 USD / 任务

总费用 $143.71 · 25 个任务

claude-fable-5.1

报告所列型号

综合得分
87.99 分
长任务得分
80.8 分
推理得分
91.7 分
编程得分
97.7 分
展开其余指标
浏览器任务得分
100 分
数据分析得分
80.3 分
研究得分
82 分
文档与设计得分
83.4 分
综合每任务成本
3.982806 USD / 任务

总费用 $1887.85 · 474 个任务

长任务每任务成本
51.572789 USD / 任务

总费用 $928.3102 · 18 个任务

推理每任务成本
0.460136 USD / 任务

总费用 $92.9474 · 202 个任务

编程每任务成本
5.282366 USD / 任务

总费用 $153.1886 · 29 个任务

浏览器任务每任务成本
3.746228 USD / 任务

总费用 $93.6557 · 25 个任务

数据分析每任务成本
1.333143 USD / 任务

总费用 $199.9714 · 150 个任务

研究每任务成本
11.613816 USD / 任务

总费用 $290.3454 · 25 个任务

文档与设计每任务成本
5.177252 USD / 任务

总费用 $129.4313 · 25 个任务

kimi-k3

报告所列型号

综合得分
63.39 分
长任务得分
42.8 分
推理得分
90.7 分
编程得分
59.3 分
展开其余指标
浏览器任务得分
16 分
数据分析得分
78.7 分
研究得分
79 分
文档与设计得分
77.2 分
综合每任务成本
1.164515 USD / 任务

总费用 $551.98 · 474 个任务

长任务每任务成本
17.990494 USD / 任务

总费用 $323.8289 · 18 个任务

推理每任务成本
0.195096 USD / 任务

总费用 $39.4094 · 202 个任务

编程每任务成本
2.061386 USD / 任务

总费用 $59.7802 · 29 个任务

浏览器任务每任务成本
0.382016 USD / 任务

总费用 $9.5504 · 25 个任务

数据分析每任务成本
0.352355 USD / 任务

总费用 $52.8533 · 150 个任务

研究每任务成本
1.763404 USD / 任务

总费用 $44.0851 · 25 个任务

文档与设计每任务成本
0.898908 USD / 任务

总费用 $22.4727 · 25 个任务

muse-spark-open

报告所列型号

综合得分
57.57 分
长任务得分
18.9 分
推理得分
73.7 分
编程得分
73.6 分
展开其余指标
浏览器任务得分
36 分
数据分析得分
60.2 分
研究得分
80.3 分
文档与设计得分
60.3 分
综合每任务成本
0.488394 USD / 任务

总费用 $231.498567 · 474 个任务

长任务每任务成本
4.704306 USD / 任务

总费用 $84.6775 · 18 个任务

推理每任务成本
0.050127 USD / 任务

总费用 $10.125671 · 202 个任务

编程每任务成本
1.252538 USD / 任务

总费用 $36.3236 · 29 个任务

浏览器任务每任务成本
2.643368 USD / 任务

总费用 $66.0842 · 25 个任务

数据分析每任务成本
0.048547 USD / 任务

总费用 $7.282096 · 150 个任务

研究每任务成本
0.724588 USD / 任务

总费用 $18.1147 · 25 个任务

文档与设计每任务成本
0.355632 USD / 任务

总费用 $8.8908 · 25 个任务

glm-5.3

报告所列型号

综合得分
60.74 分
长任务得分
35.9 分
推理得分
85.8 分
编程得分
82.8 分
展开其余指标
浏览器任务得分
0 分
数据分析得分
70.2 分
研究得分
73.2 分
文档与设计得分
77.3 分
综合每任务成本
未提供
长任务每任务成本
18.381939 USD / 任务

总费用 $330.8749 · 18 个任务

推理每任务成本
0.264766 USD / 任务

总费用 $53.4827 · 202 个任务

编程每任务成本
2.138393 USD / 任务

总费用 $62.0134 · 29 个任务

浏览器任务每任务成本
未提供
数据分析每任务成本
0.373101 USD / 任务

总费用 $55.9652 · 150 个任务

研究每任务成本
1.634592 USD / 任务

总费用 $40.8648 · 25 个任务

文档与设计每任务成本
0.820736 USD / 任务

总费用 $20.5184 · 25 个任务

gpt-6-luna

报告所列型号

综合得分
69.4 分
长任务得分
48.1 分
推理得分
81.8 分
编程得分
84.5 分
展开其余指标
浏览器任务得分
72 分
数据分析得分
73.4 分
研究得分
43.5 分
文档与设计得分
82.5 分
综合每任务成本
0.091607 USD / 任务

总费用 $43.4217 · 474 个任务

长任务每任务成本
0.967611 USD / 任务

总费用 $17.417 · 18 个任务

推理每任务成本
0.021405 USD / 任务

总费用 $4.3238 · 202 个任务

编程每任务成本
0.095172 USD / 任务

总费用 $2.76 · 29 个任务

浏览器任务每任务成本
0.2816 USD / 任务

总费用 $7.04 · 25 个任务

数据分析每任务成本
0.016606 USD / 任务

总费用 $2.4909 · 150 个任务

研究每任务成本
0.3452 USD / 任务

总费用 $8.63 · 25 个任务

文档与设计每任务成本
0.0304 USD / 任务

总费用 $0.76 · 25 个任务

smaug-flash

报告所列型号

综合得分
57.54 分
长任务得分
27.1 分
推理得分
86.2 分
编程得分
60.1 分
展开其余指标
浏览器任务得分
0 分
数据分析得分
79.1 分
研究得分
74.1 分
文档与设计得分
76.2 分
综合每任务成本
未提供
长任务每任务成本
未提供
推理每任务成本
0.008641 USD / 任务

总费用 $1.7455 · 202 个任务

编程每任务成本
0.17231 USD / 任务

总费用 $4.997 · 29 个任务

浏览器任务每任务成本
未提供
数据分析每任务成本
0.008367 USD / 任务

总费用 $1.255 · 150 个任务

研究每任务成本
0.127652 USD / 任务

总费用 $3.1913 · 25 个任务

文档与设计每任务成本
0.032836 USD / 任务

总费用 $0.8209 · 25 个任务

muse-spark-1.3

报告所列型号

综合得分
74.76 分
长任务得分
40.4 分
推理得分
89.7 分
编程得分
90.2 分
展开其余指标
浏览器任务得分
80 分
数据分析得分
79.6 分
研究得分
68.6 分
文档与设计得分
74.8 分
综合每任务成本
0.747174 USD / 任务

总费用 $354.1606 · 474 个任务

长任务每任务成本
8.83895 USD / 任务

总费用 $159.1011 · 18 个任务

推理每任务成本
0.135722 USD / 任务

总费用 $27.4159 · 202 个任务

编程每任务成本
1.371617 USD / 任务

总费用 $39.7769 · 29 个任务

浏览器任务每任务成本
1.401388 USD / 任务

总费用 $35.0347 · 25 个任务

数据分析每任务成本
0.169429 USD / 任务

总费用 $25.4143 · 150 个任务

研究每任务成本
2.071076 USD / 任务

总费用 $51.7769 · 25 个任务

文档与设计每任务成本
0.625632 USD / 任务

总费用 $15.6408 · 25 个任务

claude-opus-4.8

报告所列型号

综合得分
76.77 分
长任务得分
48.3 分
推理得分
89.2 分
编程得分
77.3 分
展开其余指标
浏览器任务得分
96 分
数据分析得分
66 分
研究得分
81.8 分
文档与设计得分
78.8 分
综合每任务成本
3.38177 USD / 任务

总费用 $1602.959 · 474 个任务

长任务每任务成本
51.969644 USD / 任务

总费用 $935.4536 · 18 个任务

推理每任务成本
0.605731 USD / 任务

总费用 $122.3576 · 202 个任务

编程每任务成本
4.151659 USD / 任务

总费用 $120.3981 · 29 个任务

浏览器任务每任务成本
5.10332 USD / 任务

总费用 $127.583 · 25 个任务

数据分析每任务成本
0.645581 USD / 任务

总费用 $96.8372 · 150 个任务

研究每任务成本
3.764684 USD / 任务

总费用 $94.1171 · 25 个任务

文档与设计每任务成本
4.248496 USD / 任务

总费用 $106.2124 · 25 个任务

muse-wonder-1.0

报告所列型号

综合得分
78.1 分
长任务得分
53.2 分
推理得分
90.6 分
编程得分
86.2 分
展开其余指标
浏览器任务得分
72 分
数据分析得分
81.6 分
研究得分
88 分
文档与设计得分
75.1 分
综合每任务成本
1.411194 USD / 任务

总费用 $668.9058 · 474 个任务

长任务每任务成本
14.482883 USD / 任务

总费用 $260.6919 · 18 个任务

推理每任务成本
0.298363 USD / 任务

总费用 $60.2693 · 202 个任务

编程每任务成本
3.102252 USD / 任务

总费用 $89.9653 · 29 个任务

浏览器任务每任务成本
4.138132 USD / 任务

总费用 $103.4533 · 25 个任务

数据分析每任务成本
0.365737 USD / 任务

总费用 $54.8605 · 150 个任务

研究每任务成本
3.299512 USD / 任务

总费用 $82.4878 · 25 个任务

文档与设计每任务成本
0.687108 USD / 任务

总费用 $17.1777 · 25 个任务

qwen3.8-max

报告所列型号

综合得分
64.24 分
长任务得分
42.3 分
推理得分
88.2 分
编程得分
60.3 分
展开其余指标
浏览器任务得分
32 分
数据分析得分
78.4 分
研究得分
69.9 分
文档与设计得分
78.6 分
综合每任务成本
1.000063 USD / 任务

总费用 $474.03 · 474 个任务

长任务每任务成本
14.93005 USD / 任务

总费用 $268.7409 · 18 个任务

推理每任务成本
0.131491 USD / 任务

总费用 $26.5611 · 202 个任务

编程每任务成本
1.986917 USD / 任务

总费用 $57.6206 · 29 个任务

浏览器任务每任务成本
1.411484 USD / 任务

总费用 $35.2871 · 25 个任务

数据分析每任务成本
0.218945 USD / 任务

总费用 $32.8418 · 150 个任务

研究每任务成本
1.586148 USD / 任务

总费用 $39.6537 · 25 个任务

文档与设计每任务成本
0.532992 USD / 任务

总费用 $13.3248 · 25 个任务

muse-spark-1.2

报告所列型号

综合得分
62.4 分
长任务得分
21.3 分
推理得分
90 分
编程得分
78.2 分
展开其余指标
浏览器任务得分
36 分
数据分析得分
76.5 分
研究得分
67.7 分
文档与设计得分
67.1 分
综合每任务成本
0.536117 USD / 任务

总费用 $254.1195 · 474 个任务

长任务每任务成本
3.948783 USD / 任务

总费用 $71.0781 · 18 个任务

推理每任务成本
0.099368 USD / 任务

总费用 $20.0724 · 202 个任务

编程每任务成本
1.465721 USD / 任务

总费用 $42.5059 · 29 个任务

浏览器任务每任务成本
2.049188 USD / 任务

总费用 $51.2297 · 25 个任务

数据分析每任务成本
0.109447 USD / 任务

总费用 $16.4171 · 150 个任务

研究每任务成本
1.448716 USD / 任务

总费用 $36.2179 · 25 个任务

文档与设计每任务成本
0.663936 USD / 任务

总费用 $16.5984 · 25 个任务

deepseek-v4-flash-vision

报告所列型号

综合得分
63.63 分
长任务得分
39 分
推理得分
85.4 分
编程得分
37.6 分
展开其余指标
浏览器任务得分
64 分
数据分析得分
79.5 分
研究得分
69.2 分
文档与设计得分
70.7 分
综合每任务成本
0.085098 USD / 任务

总费用 $40.3366 · 474 个任务

长任务每任务成本
1.040689 USD / 任务

总费用 $18.7324 · 18 个任务

推理每任务成本
0.042434 USD / 任务

总费用 $8.5717 · 202 个任务

编程每任务成本
0.040134 USD / 任务

总费用 $1.1639 · 29 个任务

浏览器任务每任务成本
0.13204 USD / 任务

总费用 $3.301 · 25 个任务

数据分析每任务成本
0.039525 USD / 任务

总费用 $5.9288 · 150 个任务

研究每任务成本
0.083132 USD / 任务

总费用 $2.0783 · 25 个任务

文档与设计每任务成本
0.02242 USD / 任务

总费用 $0.5605 · 25 个任务

grok-4.5

报告所列型号

综合得分
70.06 分
长任务得分
27.9 分
推理得分
87.2 分
编程得分
94.3 分
展开其余指标
浏览器任务得分
44 分
数据分析得分
73 分
研究得分
85.9 分
文档与设计得分
78.1 分
综合每任务成本
0.518137 USD / 任务

总费用 $245.5971 · 474 个任务

长任务每任务成本
4.498294 USD / 任务

总费用 $80.9693 · 18 个任务

推理每任务成本
0.087953 USD / 任务

总费用 $17.7665 · 202 个任务

编程每任务成本
0.959176 USD / 任务

总费用 $27.8161 · 29 个任务

浏览器任务每任务成本
2.917696 USD / 任务

总费用 $72.9424 · 25 个任务

数据分析每任务成本
0.114523 USD / 任务

总费用 $17.1784 · 150 个任务

研究每任务成本
0.769248 USD / 任务

总费用 $19.2312 · 25 个任务

文档与设计每任务成本
0.387728 USD / 任务

总费用 $9.6932 · 25 个任务

qwen3.8-flash

报告所列型号

综合得分
68.79 分
长任务得分
37.1 分
推理得分
87.4 分
编程得分
87.4 分
展开其余指标
浏览器任务得分
48 分
数据分析得分
74.2 分
研究得分
74.6 分
文档与设计得分
72.8 分
综合每任务成本
0.135322 USD / 任务

总费用 $64.1425 · 474 个任务

长任务每任务成本
1.872044 USD / 任务

总费用 $33.6968 · 18 个任务

推理每任务成本
0.022001 USD / 任务

总费用 $4.4441 · 202 个任务

编程每任务成本
0.106138 USD / 任务

总费用 $3.078 · 29 个任务

浏览器任务每任务成本
0.224024 USD / 任务

总费用 $5.6006 · 25 个任务

数据分析每任务成本
0.043507 USD / 任务

总费用 $6.5261 · 150 个任务

研究每任务成本
0.303804 USD / 任务

总费用 $7.5951 · 25 个任务

文档与设计每任务成本
0.128072 USD / 任务

总费用 $3.2018 · 25 个任务