项目测评

LiveBench 2.0 综合任务表现与运行成本

LiveBench · 32 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 2026-10-31 · 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 2026-10-25

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。
综合分依当前官方方法及本版本类别配置加权：长任务×2.0、推理×1、编程×1.5、浏览器任务×1、数据分析×1、研究×1、文档与设计×1.5；本站综合对照仅纳入七类分数完整的配置，不与旧版本直接混排。
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。
此版本发布说明仍留有等权旧句，与当前方法页及本版权重配置不一致；本站采用后两者明确的加权公式，并保留这处来源差异。
基准版本：2026-10-25；榜单资料更新：2026-10-25。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 ↗

左侧指标右侧指标

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

本版本任务权重为长任务×2.0、推理×1、编程×1.5、浏览器任务×1、数据分析×1、研究×1、文档与设计×1.5；综合分=加权分数之和÷权重之和，仅七类均有分数时参与。图示 8 / 32 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-5.1	85.69
gpt-6-astra	85.64
claude-opus-5.5	85.14
gpt-6.1-sol	84.07
claude-sonnet-5.5	80.04
gemini-4-argon	79.3
gpt-6.1-terra	77.79
muse-wonder-1.0	74.15

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 / 32 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-5.1	77.9
gpt-6-astra	77.5
claude-opus-5.5	72.8
gpt-6.1-sol	68.7
claude-sonnet-5.5	63.4
gemini-4-argon	61.2
muse-wonder-1.0	52.6
gpt-6.1-terra	48.6

完整结果与对象版本

32 / 32 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: 62.07 分
长任务得分: 19 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: 59.8 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: 0.101325 USD / 任务
长任务每任务成本: 1.405861 USD / 任务
推理每任务成本: 0.013782 USD / 任务
编程每任务成本: 0.169586 USD / 任务
浏览器任务每任务成本: 0.215092 USD / 任务
数据分析每任务成本: 0.024276 USD / 任务
研究每任务成本: 0.18695 USD / 任务
文档与设计每任务成本: 0.063408 USD / 任务

mistral-large-4

报告所列型号

综合得分: 43.9 分
长任务得分: 8.8 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: 0.6 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: 0.711267 USD / 任务
长任务每任务成本: 10.110394 USD / 任务
推理每任务成本: 0.119001 USD / 任务
编程每任务成本: 0.982586 USD / 任务
浏览器任务每任务成本: 0.780268 USD / 任务
数据分析每任务成本: 0.133721 USD / 任务
研究每任务成本: 2.327159 USD / 任务
文档与设计每任务成本: 0.388956 USD / 任务

deepseek-v4.1-flash-1017

报告所列型号

综合得分: 72.87 分
长任务得分: 35.7 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: 67.2 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: 0.134631 USD / 任务
长任务每任务成本: 1.462311 USD / 任务
推理每任务成本: 0.024221 USD / 任务
编程每任务成本: 0.195538 USD / 任务
浏览器任务每任务成本: 0.319768 USD / 任务
数据分析每任务成本: 0.03316 USD / 任务
研究每任务成本: 0.375391 USD / 任务
文档与设计每任务成本: 0.211988 USD / 任务

step-5-preview

报告所列型号

综合得分: 58.61 分
长任务得分: 19.4 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: 24.8 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: 0.729511 USD / 任务
长任务每任务成本: 9.054561 USD / 任务
推理每任务成本: 0.048211 USD / 任务
编程每任务成本: 1.095317 USD / 任务
浏览器任务每任务成本: 3.354064 USD / 任务
数据分析每任务成本: 0.063898 USD / 任务
研究每任务成本: 1.228914 USD / 任务
文档与设计每任务成本: 0.745688 USD / 任务

gemini-3.8-flash

报告所列型号

综合得分: 59.21 分
长任务得分: 16.5 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: 45.1 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: 0.984037 USD / 任务
长任务每任务成本: 7.084556 USD / 任务
推理每任务成本: 0.147552 USD / 任务
编程每任务成本: 2.296428 USD / 任务
浏览器任务每任务成本: 4.854952 USD / 任务
数据分析每任务成本: 0.237714 USD / 任务
研究每任务成本: 2.638055 USD / 任务
文档与设计每任务成本: 0.979588 USD / 任务

nemotron-super-vl-3.5

报告所列型号

综合得分: 50.23 分
长任务得分: 11.7 分
推理得分: 74.6 分
编程得分: 71.3 分

展开其余指标

浏览器任务得分: 21.6 分
数据分析得分: 64.6 分
研究得分: 66.7 分
文档与设计得分: 62.8 分
综合每任务成本: 0.148832 USD / 任务
长任务每任务成本: 2.182239 USD / 任务
推理每任务成本: 0.020886 USD / 任务
编程每任务成本: 0.269693 USD / 任务
浏览器任务每任务成本: 0.415788 USD / 任务
数据分析每任务成本: 0.021993 USD / 任务
研究每任务成本: 0.175468 USD / 任务
文档与设计每任务成本: 0.049016 USD / 任务

nemotron-super-vl-3.5-nvfp4

报告所列型号

综合得分: 46.5 分
长任务得分: 7.3 分
推理得分: 71.7 分
编程得分: 61.3 分

展开其余指标

浏览器任务得分: 18 分
数据分析得分: 65.7 分
研究得分: 70.9 分
文档与设计得分: 57.1 分
综合每任务成本: 0.07238 USD / 任务
长任务每任务成本: 0.999239 USD / 任务
推理每任务成本: 0.01204 USD / 任务
编程每任务成本: 0.099721 USD / 任务
浏览器任务每任务成本: 0.203856 USD / 任务
数据分析每任务成本: 0.016843 USD / 任务
研究每任务成本: 0.100164 USD / 任务
文档与设计每任务成本: 0.038164 USD / 任务

mimo-v2.6-pro

报告所列型号

综合得分: 68.48 分
长任务得分: 35.2 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: 77.3 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: 0.125349 USD / 任务
长任务每任务成本: 1.2147 USD / 任务
推理每任务成本: 0.023732 USD / 任务
编程每任务成本: 0.223907 USD / 任务
浏览器任务每任务成本: 0.585692 USD / 任务
数据分析每任务成本: 0.038564 USD / 任务
研究每任务成本: 0.142291 USD / 任务
文档与设计每任务成本: 0.093224 USD / 任务

grok-4.6

报告所列型号

综合得分: 67.75 分
长任务得分: 28 分
推理得分: 91.2 分
编程得分: 89.1 分

展开其余指标

浏览器任务得分: 49.4 分
数据分析得分: 75.3 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: 0.963493 USD / 任务
长任务每任务成本: 10.243639 USD / 任务
推理每任务成本: 0.087257 USD / 任务
编程每任务成本: 1.858379 USD / 任务
浏览器任务每任务成本: 3.865108 USD / 任务
数据分析每任务成本: 0.12299 USD / 任务
研究每任务成本: 2.325464 USD / 任务
文档与设计每任务成本: 1.266572 USD / 任务

grok-4.7

报告所列型号

综合得分: 70.14 分
长任务得分: 46.1 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: 49.3 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: 2.04299 USD / 任务
长任务每任务成本: 18.766167 USD / 任务
推理每任务成本: 0.385072 USD / 任务
编程每任务成本: 4.879883 USD / 任务
浏览器任务每任务成本: 5.880812 USD / 任务
数据分析每任务成本: 0.487966 USD / 任务
研究每任务成本: 4.577345 USD / 任务
文档与设计每任务成本: 3.369568 USD / 任务

claude-sonnet-5.5

报告所列型号

综合得分: 80.04 分
长任务得分: 63.4 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: 89.3 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: 3.313937 USD / 任务
长任务每任务成本: 43.851661 USD / 任务
推理每任务成本: 0.209063 USD / 任务
编程每任务成本: 4.021821 USD / 任务
浏览器任务每任务成本: 9.103076 USD / 任务
数据分析每任务成本: 0.530634 USD / 任务
研究每任务成本: 8.185618 USD / 任务
文档与设计每任务成本: 5.016608 USD / 任务

claude-haiku-5.5

报告所列型号

综合得分: 69.85 分
长任务得分: 40 分
推理得分: 82.4 分
编程得分: 91.4 分

展开其余指标

浏览器任务得分: 69.5 分
数据分析得分: 53.1 分
研究得分: 81.9 分
文档与设计得分: 83.1 分
综合每任务成本: 0.632335 USD / 任务
长任务每任务成本: 10.491367 USD / 任务
推理每任务成本: 0.020601 USD / 任务
编程每任务成本: 0.873786 USD / 任务
浏览器任务每任务成本: 0.620276 USD / 任务
数据分析每任务成本: 0.031472 USD / 任务
研究每任务成本: 1.939923 USD / 任务
文档与设计每任务成本: 0.663128 USD / 任务

inkling

报告所列型号

综合得分: 47.05 分
长任务得分: 8.5 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: 12 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: 0.843911 USD / 任务
长任务每任务成本: 10.767467 USD / 任务
推理每任务成本: 0.104009 USD / 任务
编程每任务成本: 1.876617 USD / 任务
浏览器任务每任务成本: 2.507664 USD / 任务
数据分析每任务成本: 0.144635 USD / 任务
研究每任务成本: 1.667995 USD / 任务
文档与设计每任务成本: 0.286128 USD / 任务

gpt-6-astra

报告所列型号

综合得分: 85.64 分
长任务得分: 77.5 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: 91.3 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: 4.134454 USD / 任务
长任务每任务成本: 44.639244 USD / 任务
推理每任务成本: 0.389842 USD / 任务
编程每任务成本: 3.315369 USD / 任务
浏览器任务每任务成本: 16.147392 USD / 任务
数据分析每任务成本: 0.698902 USD / 任务
研究每任务成本: 17.659868 USD / 任务
文档与设计每任务成本: 2.87562 USD / 任务

qwen3.8-27b

报告所列型号

综合得分: 58.38 分
长任务得分: 20.6 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: 24.2 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: 0.487934 USD / 任务
长任务每任务成本: 6.171033 USD / 任务
推理每任务成本: 0.074916 USD / 任务
编程每任务成本: 0.69 USD / 任务
浏览器任务每任务成本: 1.43384 USD / 任务
数据分析每任务成本: 0.089032 USD / 任务
研究每任务成本: 1.127464 USD / 任务
文档与设计每任务成本: 0.383612 USD / 任务

claude-opus-5.5

报告所列型号

综合得分: 85.14 分
长任务得分: 72.8 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: 88.4 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: 4.103949 USD / 任务
长任务每任务成本: 49.806167 USD / 任务
推理每任务成本: 0.252236 USD / 任务
编程每任务成本: 5.030783 USD / 任务
浏览器任务每任务成本: 15.18892 USD / 任务
数据分析每任务成本: 0.81456 USD / 任务
研究每任务成本: 8.81775 USD / 任务
文档与设计每任务成本: 5.748296 USD / 任务

mistral-large-4-0

报告所列型号

综合得分: 63.49 分
长任务得分: 27.5 分
推理得分: 85.2 分
编程得分: 95.4 分

展开其余指标

浏览器任务得分: 17.4 分
数据分析得分: 76.6 分
研究得分: 79.7 分
文档与设计得分: 76.3 分
综合每任务成本: 0.309 USD / 任务
长任务每任务成本: 2.796433 USD / 任务
推理每任务成本: 0.054212 USD / 任务
编程每任务成本: 0.35109 USD / 任务
浏览器任务每任务成本: 1.652524 USD / 任务
数据分析每任务成本: 0.063266 USD / 任务
研究每任务成本: 0.823355 USD / 任务
文档与设计每任务成本: 0.206156 USD / 任务

claude-fable-5.1

报告所列型号

综合得分: 85.69 分
长任务得分: 77.9 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: 89.8 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: 6.346396 USD / 任务
长任务每任务成本: 62.823017 USD / 任务
推理每任务成本: 0.460136 USD / 任务
编程每任务成本: 5.282366 USD / 任务
浏览器任务每任务成本: 30.733996 USD / 任务
数据分析每任务成本: 1.333143 USD / 任务
研究每任务成本: 20.886018 USD / 任务
文档与设计每任务成本: 7.375544 USD / 任务

kimi-k3

报告所列型号

综合得分: 64.57 分
长任务得分: 26.4 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: 75.2 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: 1.348957 USD / 任务
长任务每任务成本: 16.304067 USD / 任务
推理每任务成本: 0.195096 USD / 任务
编程每任务成本: 2.061386 USD / 任务
浏览器任务每任务成本: 4.476616 USD / 任务
数据分析每任务成本: 0.352355 USD / 任务
研究每任务成本: 2.404936 USD / 任务
文档与设计每任务成本: 1.00074 USD / 任务

muse-spark-open

报告所列型号

综合得分: 51.63 分
长任务得分: 11.7 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: 26.2 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: 0.482976 USD / 任务
长任务每任务成本: 4.280778 USD / 任务
推理每任务成本: 0.042655 USD / 任务
编程每任务成本: 1.252538 USD / 任务
浏览器任务每任务成本: 2.949952 USD / 任务
数据分析每任务成本: 0.04491 USD / 任务
研究每任务成本: 0.732045 USD / 任务
文档与设计每任务成本: 0.355892 USD / 任务