第 1 名
DeepSeek-R1
75.5官方榜单
MMLU-ProX
29 语 MMLU-Pro 平行题；转录作者 5-shot CoT 统一评测 Avg 前 20 名，作者结果停在 2025 年 5 月。
收录成绩2020 个模型或系统
当前第一75.5DeepSeek-R1
指标Avg29 种语言准确率的算术平均（%，5-shot CoT）
数据时效人工整理整理于 2026-10-27 · 2 个数据源
第 2 名
Qwen3-235B-Think
74.9官方榜单
第 3 名
GPT-4.1
72.7官方榜单
排名表
显示 20 / 20
| 模型 | 机构 | 来源 | 备注 | |||
|---|---|---|---|---|---|---|
| 1 | DeepSeek-R1 | DeepSeek | 75.5 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 1 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 2 | Qwen3-235B-Think | Alibaba | 74.9 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 2 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 3 | GPT-4.1 | OpenAI | 72.7 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 3 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 4 | DeepSeek-V3 | DeepSeek | 70.5 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 4 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 5 | o4-mini | OpenAI | 69.3 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 5 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 6 | Qwen3-235B | Alibaba | 66.7 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 6 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 7 | Qwen3-32B-Think | Alibaba | 66.3 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 7 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 8 | Qwen3-14B-Think | Alibaba | 65.4 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 8 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 9 | Qwen3-30B-A3B-Think | Alibaba | 64.8 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 9 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 10 | QwQ-32B | Alibaba | 63.2 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 10 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 11 | GPT-4o | OpenAI | 61.1 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 11 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 12 | Qwen3-32B | Alibaba | 59.9 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 12 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 13 | Qwen2.5-72B | Alibaba | 58.8 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 13 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 13 | Qwen3-8B-Think | Alibaba | 58.8 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 14 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 15 | DeepSeek-R1-70B | DeepSeek | 58.7 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 15 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 16 | Qwen3-30B-A3B | Alibaba | 57.0 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 16 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 17 | Gemma3-27B | 56.6 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 17 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 | |
| 18 | Llama3.3-70B | Meta | 55.8 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 18 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 19 | Qwen2.5-32B | Alibaba | 54.2 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 19 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
| 20 | Qwen3-14B | Alibaba | 54.0 | 官方榜单 | 2026-10-28 | 定位：项目页/论文 Table 6（5-shot CoT）按 Avg 降序第 20 名，访问于 2026-10-27；来源发布日期：2025-05-26；MMLU-ProX 全量集 5-shot CoT；Avg 为 29 语准确率算术平均；表格对应论文 v2（2025-05-26）。 |
榜单说明
第 6 批接入转录作者统一 5-shot CoT 主结果（访问于 2026-10-27）：与项目页「Performance Results (5-shot CoT)」及论文 Appendix Table 6 一致，按 Avg（29 语平均准确率）降序连续取前 20 名；不含 0-shot 或 Lite 子集。published_at 取论文 v2 的发布日 2025-05-26（项目页与 v2 的 Table 6 为同一张表，表内 Qwen3 等模型发布于 v1 之后；Table 6 无逐模型日期）。
- 指标
- Avg：29 种语言准确率的算术平均（%，5-shot CoT）（越高越好）
- 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。