ARTIFICIAL ANALYSIS

数据截至 2026-10-27

评测国产大模型在各类 benchmark 上的表现。点开任意一个分数，就能看到它用的评测配置和逐题轨迹。

综合排名全部 benchmark 换算到 0–100 后等权平均，缺项的模型只按已有 benchmark 计算。纵轴从 4545 分起；鼠标移到柱子上，查看四大类分数。

阿里巴巴深度求索月之暗面智谱

四大类排名

每类取该类已测 benchmark 的平均分。四类的条形用同一把 0–100 刻度，可以横向比较。

2 个 benchmark

5 个 benchmark

2 个 benchmark

1 个 benchmark

横轴是跑完全部 benchmark 的花费，按对数刻度。越靠左上，同样的钱换来的分数越高。

暂无完整的分数与成本数据

每个分数都对应一次完整的评测记录，配置、轨迹和对比都能查到。

IFEvalHLEAIME 2026SWE-bench Proτ²-BenchGDPval

Kimi K30.9340.3720.9430.5540.8330.603

Qwen3.8 Max0.9170.3420.9410.5790.8090.569

DeepSeek V4 Pro0.8960.3040.8910.5350.7640.559

GLM-5.30.9080.3200.9040.5510.7980.486

Qwen3.8 2.4T0.9040.3250.8760.5180.7570.534

MiMo-V2.6-Pro0.8940.2970.8280.5120.7130.454

每个专题只改变一个因素，其余配置全部固定，用来回答一个具体问题。