第 1 名
Claude Fable 5.1
85.7官方榜单
LiveBench 2.0
防污染的长程真实任务评测（做演示文稿、写研究报告、修 bug 等）；本站取官方 2026-10-25 期 Overall 前 20 名。
收录成绩2020 个模型或系统
当前第一85.7Claude Fable 5.1
指标Overall各大类分数的加权平均（%）：Long Agentic 权重 2，Coding 与 Design 各 1.5，其余为 1；与官网 Overall 一致
数据时效人工整理整理于 2026-10-27 · 3 个数据源
第 2 名
GPT-6 Astra
85.6官方榜单
第 3 名
Claude Opus 5.5
85.1官方榜单
排名表
显示 20 / 20
| 大类 | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 模型 | 机构 | 来源 | 备注 | ||||||||||
| 1 | Claude Fable 5.1 | Anthropic | 85.7 | 77.9 | 91.7 | 97.7 | 89.8 | 80.3 | 82.0 | 83.4 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 1 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 claude-fable-5.1；Overall 按官网公式计算并保留两位小数，官网表格显示一位小数。 |
| 2 | GPT-6 Astra | OpenAI | 85.6 | 77.5 | 92.7 | 93.7 | 91.3 | 83.0 | 85.2 | 82.0 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 2 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 gpt-6-astra。 |
| 3 | Claude Opus 5.5 | Anthropic | 85.1 | 72.8 | 92.2 | 96.3 | 88.4 | 80.3 | 85.0 | 86.9 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 3 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 claude-opus-5.5。 |
| 4 | GPT-6.1 Sol | OpenAI | 84.1 | 68.7 | 92.6 | 96.0 | 93.3 | 82.7 | 83.5 | 82.1 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 4 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 gpt-6.1-sol。 |
| 5 | Claude Sonnet 5.5 | Anthropic | 80.0 | 63.4 | 91.6 | 94.7 | 89.3 | 59.5 | 83.6 | 85.0 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 5 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 claude-sonnet-5.5。 |
| 6 | Gemini 4 Argon | 79.3 | 61.2 | 95.1 | 89.7 | 82.8 | 85.2 | 83.1 | 73.7 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 6 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 gemini-4-argon。 | |
| 7 | GPT-6.1 Terra | OpenAI | 77.8 | 48.6 | 88.7 | 94.3 | 93.1 | 82.3 | 73.9 | 82.3 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 7 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 gpt-6.1-terra。 |
| 8 | Muse Wonder 1.0 | Meta | 74.2 | 52.6 | 90.6 | 86.2 | 60.0 | 81.6 | 88.0 | 75.1 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 8 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 muse-wonder-1.0。 |
| 9 | DeepSeek V4.1 Flash 1017 | DeepSeek | 74.0 | 40.9 | 89.1 | 96.0 | 67.2 | 79.5 | 79.5 | 83.4 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 9 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 deepseek-v4.1-flash-1017。 |
| 10 | Kimi K3.1 Pro | Moonshot AI | 71.3 | 39.1 | 91.1 | 81.8 | 75.9 | 79.1 | 77.9 | 77.8 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 10 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 kimi-k3.1-pro。 |
| 11 | Grok 4.7 | xAI | 70.1 | 46.1 | 82.7 | 84.5 | 49.3 | 76.9 | 86.4 | 78.0 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 11 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 grok-4.7。 |
| 12 | Claude Haiku 5.5 | Anthropic | 69.8 | 40.0 | 82.4 | 91.4 | 69.5 | 53.1 | 81.9 | 83.1 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 12 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 claude-haiku-5.5。 |
| 13 | MiMo V2.6 Pro | Xiaomi | 68.5 | 35.2 | 79.6 | 81.5 | 77.3 | 72.3 | 76.7 | 78.5 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 13 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 mimo-v2.6-pro。 |
| 14 | GPT-5.6 Terra | OpenAI | 67.8 | 33.1 | 90.6 | 86.2 | 70.3 | 79.3 | 60.4 | 76.0 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 14 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 gpt-5.6-terra。 |
| 15 | Grok 4.6 | xAI | 67.8 | 28.0 | 91.2 | 89.1 | 49.4 | 75.3 | 84.5 | 79.8 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 15 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 grok-4.6。 |
| 16 | MiniMax M3.1 Flash | MiniMax | 66.9 | 28.8 | 82.9 | 83.9 | 80.6 | 71.4 | 72.7 | 74.0 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 16 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 minimax-m3.1-flash。 |
| 17 | GPT-6 Luna | OpenAI | 64.6 | 30.9 | 81.8 | 84.5 | 70.3 | 73.4 | 43.5 | 82.5 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 17 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 gpt-6-luna。 |
| 18 | Kimi K3 | Moonshot AI | 64.6 | 26.4 | 90.7 | 59.3 | 75.2 | 78.7 | 79.0 | 77.2 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 18 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 kimi-k3。 |
| 19 | Muse Spark 1.3 | Meta | 63.0 | 25.5 | 89.7 | 90.2 | 30.9 | 79.6 | 68.6 | 74.8 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 19 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 muse-spark-1.3。 |
| 20 | GLM-5.3 Flash | Z.ai | 62.1 | 19.0 | 77.6 | 80.6 | 59.8 | 76.4 | 70.1 | 77.2 | 官方榜单 | 2026-10-27 | 定位：LiveBench 2.0 2026-10-25 期主表 Overall 降序第 20 名（官方 table.csv 原始分按 categories.json 权重计算），访问于 2026-10-27；来源发布日期：2026-10-25；官方原始名 glm-5.3-flash。 |
榜单说明
第 6 批接入转录 livebench.ai 当前默认展示的 LiveBench 2.0 2026-10-25 期主表（访问于 2026-10-27）。LiveBench 1.0 的最后一期是 2026-06-25，之后官方改以 2.0 为主榜；2.0 改为长程真实任务，大类与总分口径都和 1.0 不同，两者分数不可比，本榜只收 2.0。
总分按官网公式由该期 table.csv 的大类原始分和 categories.json 的权重计算：对有分数的大类求加权平均（Long Agentic ×2，Coding、Design ×1.5，其余 ×1），保留两位小数（官网表格显示一位小数）；2026-10-14 及以前的各期按等权计算，与本期不可直接比较。按 Overall 降序连续取前 20 名，模型名与机构取官网的模型显示名，note 记官方原始名。published_at 记该期发布日。
- 指标
- Overall：各大类分数的加权平均（%）：Long Agentic 权重 2，Coding 与 Design 各 1.5，其余为 1；与官网 Overall 一致（越高越好）
- 子项
- 大类Long AgenticReasoningCodingBrowserData AnalysisResearchDesign
- 数据源
- 来源类型
- 官方榜单 20
分数取自数据源原文；同一模型在不同评测设置或不同来源下分别列出，来源冲突时全部保留并标注来源类型。
更新记录
0 条首次同步作为基线，之后新上榜、分数变化和移除的条目会记录在这里。