MMLU-Pro
14 领域高难度多学科推理；官方榜单混排不同 shot 设置，小分差不宜直接排名。
收录成绩1717 个模型或系统
当前第一91.2Gemini-3.1-Pro
指标准确率全部 MMLU-Pro 题目的总体准确率（%）
最近同步10-19 16:101 个数据源 · 多学科知识与推理
排名表
显示 17 / 17
| 模型 | 机构 | 参数 | 开源 | 评测设置 | 来源 | 备注 | |||
|---|---|---|---|---|---|---|---|---|---|
| 1 | Gemini-3.1-Pro | — | — | 91.2 | — | 官方榜单 | 2026-10-19 | 定位：官方榜单 CSV，Gemini-3.1-Pro 行，访问于 2026-10-19；来源发布日期：2026-03-11；TIGER-Lab 运行；CoT；官方说明 Gemini 通常为 0-shot。 | |
| 2 | Gemini-3-Pro（11/25） | — | — | 90.1 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Gemini-3-Pro(11/25) 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；Gemini 通常为 0-shot；榜单无逐行日期。 | |
| 3 | GPT-o1 | OpenAI | — | — | 89.3 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，GPT-o1 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；shot 数未逐行公开。 |
| 4 | Claude-4.6-Opus（Thinking） | Anthropic | — | — | 89.1 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Claude-4.6-Opus(Thinking) 行；来源发布日期：2026-03-11；Data Source=Self-Reported；Thinking/CoT；shot 数未逐行公开。 |
| 5 | Gemini-3-Flash（12/25） | — | — | 88.6 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Gemini-3-Flash(12/25) 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；Gemini 通常为 0-shot。 | |
| 6 | MiniMax-M2.1 | MiniMax | — | — | 88.0 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，MiniMax-M2.1 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；shot 数未逐行公开。 |
| 7 | Qwen3.5-397B-A17B | Alibaba | — | — | 87.8 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Qwen3.5-397B-A17B 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；shot 数未逐行公开。 |
| 8 | Seed2.0-Lite | ByteDance | — | — | 87.7 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Seed2.0-Lite 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；shot 数未逐行公开。 |
| 9 | GPT-5.4 | OpenAI | — | — | 87.5 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，GPT-5.4 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；shot 数未逐行公开。 |
| 10 | Claude-4.5-Sonnet（Thinking） | Anthropic | — | — | 87.4 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Claude-4.5-Sonnet(Thinking) 行；来源发布日期：2026-03-11；Data Source=Self-Reported；Thinking/CoT；shot 数未逐行公开。 |
| 10 | GPT-5.2 | OpenAI | — | — | 87.4 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，GPT-5.2 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；shot 数未逐行公开。 |
| 12 | Claude-4.5-Opus（Thinking） | Anthropic | — | — | 87.3 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Claude-4.5-Opus(Thinking) 行；来源发布日期：2026-03-11；Data Source=Self-Reported；Thinking/CoT；shot 数未逐行公开。 |
| 12 | Claude-4.6-Sonnet（Thinking） | Anthropic | — | — | 87.3 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Claude-4.6-Sonnet(Thinking) 行；来源发布日期：2026-03-11；Data Source=Self-Reported；Thinking/CoT；shot 数未逐行公开。 |
| 12 | Claude-4-Opus-Thinking | Anthropic | — | — | 87.3 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Claude-4-Opus-Thinking 行；来源发布日期：2026-03-11；Data Source=Self-Reported；Thinking/CoT；shot 数未逐行公开。 |
| 15 | Hunyuan-T1 | Tencent | — | — | 87.2 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，Hunyuan-T1 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；shot 数未逐行公开。 |
| 16 | GPT-5（high） | OpenAI | — | — | 87.1 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，GPT-5(high) 行；来源发布日期：2026-03-11；Data Source=Self-Reported；high/CoT；shot 数未逐行公开。 |
| 16 | K2.5-1T-A32B | Moonshot AI | — | — | 87.1 | — | 模型方自报 | 2026-10-19 | 定位：官方榜单 CSV，K2.5-1T-A32B 行；来源发布日期：2026-03-11；Data Source=Self-Reported；CoT；shot 数未逐行公开。 |
榜单说明
第 3 批接入- 指标
- 准确率：全部 MMLU-Pro 题目的总体准确率（%）（越高越好）
- 数据源
- 来源类型
- 官方榜单 1模型方自报 16
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。