Skip to content
简体中文

切换主题

发现▾

不知道从哪开始？本周最热的软件、模型和组合，3 分钟看完 AI 圈的变化。

AI 软件▾

给人用的 AI 软件：从 ChatGPT 这类助手，到写代码、做视频、搭工作流的工具，按用途挑。

Agent 工具▾

给 AI 用的软件：让你的 agent（Claude Code、Codex、Cursor…）能上网、读文档、跑代码、记住事情。

模型▾

选模型、算成本、自己部署：价格、榜单、评测、免费额度和自建算力都在这里。

解决方案▾

有具体目标或报错？按场景给出现成的软件组合、步骤和问题解法。

学 AI▾

一套从零到前沿的系统课程，配算法库、必读论文和精选教程。

前沿▾

每天的 AI 新闻、每周热点、最新论文和 AI 改造各学科的进度。

知识 · %

MMLU-Pro

MMLU 的加难版：约 1.2 万道偏推理的题，14 个学科，每题 10 个选项。

持续更新 数据污染风险: 中 247 条成绩 · 243 个模型 更新于 2026年10月22日 最新成绩：2026-03-11 · 数据较旧 官方榜单 ↗

测什么

知识加推理，通常使用思维链。

局限

官方榜混合了 TIGER-Lab 自测和厂商自报分数，本站逐条标注。

数据污染风险: 中

测试集自 2024 年公开。

排行

前 100 名（共 243 条）

# 模型 厂商 分数 名次 设定 来源类型 日期
1 Gemini 3.1 Pro Google 91.2% 1 Overall accuracy; data source: TIGER-Lab“Gemini-3.1-Pro” 官方榜单 2026年3月11日
2 Gemini 3 Pro Google 90.1% 2 Overall accuracy; data source: Self-Reported“Gemini-3-Pro(11/25)” 厂商自报 2026年3月11日
3 GPT-o1 OpenAI 89.3% 3 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
4 Claude-4.6-Opus(Thinking) Anthropic 89.1% 4 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
5 25) Google 88.6% 5 Overall accuracy; data source: Self-Reported“Gemini-3-Flash(12/25)” 厂商自报 2026年3月11日
6 MiniMax-M2.1OW MiniMax 88.0% 6 Overall accuracy; data source: Self-Reported; 229B 厂商自报 2026年3月11日
7 Qwen3.5 397B-A17BOW Alibaba (Qwen) 87.8% 7 Overall accuracy; data source: Self-Reported; 397B“Qwen3.5-397B-A17B” 厂商自报 2026年3月11日
8 Seed2.0-Lite ByteDance 87.7% 8 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
9 GPT-5.4 OpenAI 87.5% 9 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
10 GPT-5.2 OpenAI 87.4% 10 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
11 Claude-4.5-Sonnet(Thinking) Anthropic 87.4% 10 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
12 claude-4-opus Anthropic 87.3% 12 Overall accuracy; data source: Self-Reported“Claude-4-Opus-Thinking” 厂商自报 2026年3月11日
13 claude-4-5-opus Anthropic 87.3% 12 Overall accuracy; data source: Self-Reported“Claude-4.5-Opus(Thinking)” 厂商自报 2026年3月11日
14 Claude-4.6-Sonnet(Thinking) Anthropic 87.3% 12 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
15 Hunyuan-T1 Tencent 87.2% 15 Overall accuracy; data source: Self-Reported; 389B 厂商自报 2026年3月11日
16 GPT-5 OpenAI 87.1% 16 Overall accuracy; data source: Self-Reported“GPT-5(high)” 厂商自报 2026年3月11日
17 K2.5-1T-A32B — 87.1% 16 Overall accuracy; data source: Self-Reported; 1000B 厂商自报 2026年3月11日
18 Seed-Thinking-v1.5 ByteDance 87.0% 18 Overall accuracy; data source: Self-Reported; 200B 厂商自报 2026年3月11日
19 Grok 4 xAI 87.0% 18 Overall accuracy; data source: Self-Reported“Grok-4” 厂商自报 2026年3月11日
20 Seed2.0-Pro ByteDance 87.0% 18 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
21 Qwen3.5-122B-A10BOW Alibaba (Qwen) 86.7% 21 Overall accuracy; data source: Self-Reported; 122B 厂商自报 2026年3月11日
22 Seed1.6-Thinking ByteDance 86.6% 22 Overall accuracy; data source: Self-Reported; 200B 厂商自报 2026年3月11日
23 Seed1.6-Base ByteDance 86.6% 22 Overall accuracy; data source: Self-Reported; 200B 厂商自报 2026年3月11日
24 Seed1.6-Ada-Thinking ByteDance 86.4% 24 Overall accuracy; data source: Self-Reported; 200B 厂商自报 2026年3月11日
25 GPT-5.1 OpenAI 86.4% 24 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
26 Gemini-3.1-Flash-Lite-Preview Google 86.2% 26 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
27 GPT-4.5 OpenAI 86.1% 27 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
28 Qwen3.5-27BOW Alibaba (Qwen) 86.1% 27 Overall accuracy; data source: Self-Reported; 27B 厂商自报 2026年3月11日
29 Gemini 2.5 Pro (Jun 2025) Google 86.0% 29 Overall accuracy; data source: Self-Reported“Gemini-2.5-Pro” 厂商自报 2026年3月11日
30 GLM-5OW Zhipu AI (Z.ai) 86.0% 29 Overall accuracy; data source: Self-Reported; 754B 厂商自报 2026年3月11日
31 Qwen3-Max Alibaba (Qwen) 85.7% 31 Overall accuracy; data source: Self-Reported“Qwen3-Max-Thinking” 厂商自报 2026年3月11日
32 Qwen3.5-35B-A3BOW Alibaba (Qwen) 85.3% 32 Overall accuracy; data source: Self-Reported; 35B 厂商自报 2026年3月11日
33 GPT-o3-high OpenAI 85.0% 33 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
34 DeepSeek-V3.2OW DeepSeek 85.0% 33 Overall accuracy; data source: Self-Reported; 685B“DeepSeek-V3.2-Thinking” 厂商自报 2026年3月11日
35 DeepSeek-V3.1-ThinkingOW DeepSeek 84.8% 35 Overall accuracy; data source: Self-Reported; 681B 厂商自报 2026年3月11日
36 GLM-4.5OW Zhipu AI (Z.ai) 84.6% 36 Overall accuracy; data source: Self-Reported; 355B 厂商自报 2026年3月11日
37 Gemini 2.5 Pro (Mar 2025) Google 84.5% 37 Overall accuracy; data source: TIGER-Lab“Gemini-2.5-Pro-Exp-03-25” 官方榜单 2026年3月11日
38 Qwen3-235B-A22B-Thinking (Jul 2025)OW Alibaba (Qwen) 84.5% 38 Overall accuracy; data source: Self-Reported; 235B“Qwen3-235B-A22B-Thinking-2507” 厂商自报 2026年3月11日
39 Grok 4.1 fast xAI 84.2% 39 Overall accuracy; data source: Self-Reported“Grok-4.1-Fast(Reasoning)” 厂商自报 2026年3月11日
40 DeepSeek-R1OW DeepSeek 84.0% 40 Overall accuracy; data source: Self-Reported; 671B 厂商自报 2026年3月11日
41 Claude 3.7 Sonnet Anthropic 84.0% 40 Overall accuracy; data source: Self-Reported“Claude-3.7-Sonnet-Thinking” 厂商自报 2026年3月11日
42 claude-4-sonnet Anthropic 83.7% 42 Overall accuracy; data source: Self-Reported“Claude-4-Sonnet” 厂商自报 2026年3月11日
43 DeepSeek-V3.1-NonThinking DeepSeek 83.7% 42 Overall accuracy; data source: Self-Reported; 671B 厂商自报 2026年3月11日
44 Seed2.0-Mini ByteDance 83.6% 44 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
45 Intern-S1 — 83.5% 45 Overall accuracy; data source: Self-Reported; 235B 厂商自报 2026年3月11日
46 DeepSeek-R1 (May 2025)OW DeepSeek 83.4% 46 Overall accuracy; data source: Self-Reported; 671B“DeepSeek-R1-0528” 厂商自报 2026年3月11日
47 Grok-3 mini xAI 83.0% 47 Overall accuracy; data source: Self-Reported“Grok-3-mini” 厂商自报 2026年3月11日
48 GPT-4-mini (high) OpenAI 83.0% 47 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
49 Qwen3-235B-A22B-Instruct (Jul 2025)OW Alibaba (Qwen) 83.0% 47 Overall accuracy; data source: Self-Reported; 235B“Qwen3-235B-A22B-Instruct-2507” 厂商自报 2026年3月11日
50 Llama4-Behemoth Meta 82.8% 50 Overall accuracy; data source: Self-Reported; 2000B 厂商自报 2026年3月11日
51 seed-oss-36b-instruct ByteDance 82.7% 51 Overall accuracy; data source: Self-Reported; 36B“Seed-OSS-36B-Instruct” 厂商自报 2026年3月11日
52 LongCat-Flash-ChatOW Meituan 82.7% 51 Overall accuracy; data source: Self-Reported; 560B 厂商自报 2026年3月11日
53 Qwen3.5-9BOW Alibaba (Qwen) 82.5% 53 Overall accuracy; data source: Self-Reported; 9B 厂商自报 2026年3月11日
54 MiniMax-M2OW MiniMax 82.0% 54 Overall accuracy; data source: Self-Reported; 229B 厂商自报 2026年3月11日
55 GPT-4.1 OpenAI 81.8% 55 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
56 GLM-4.5-AirOW Zhipu AI (Z.ai) 81.4% 56 Overall accuracy; data source: Self-Reported; 106B 厂商自报 2026年3月11日
57 DeepSeek-V3 (Mar 2025)OW DeepSeek 81.3% 57 Overall accuracy; data source: Self-Reported; 671B“Deepseek-V3-0324” 厂商自报 2026年3月11日
58 MiniMax-M1OW MiniMax 81.1% 58 Overall accuracy; data source: Self-Reported; 456B 厂商自报 2026年3月11日
59 Kimi K2 (Jul 2025)OW Moonshot AI 81.0% 59 Overall accuracy; data source: Self-Reported; 1000B“Kimi-K2-Instruct” 厂商自报 2026年3月11日
60 Qwen3-30B-A3B-Thinking (Jul 2025)OW Alibaba (Qwen) 80.9% 60 Overall accuracy; data source: Self-Reported; 30B“Qwen3-30B-A3B-Thinking-2507” 厂商自报 2026年3月11日
61 gpt-oss-120bOW OpenAI 80.8% 61 Overall accuracy; data source: Self-Reported; 120B“GPT-oss-120B(high)” 厂商自报 2026年3月11日
62 Llama4-Maverick Meta 80.5% 62 Overall accuracy; data source: Self-Reported; 400B 厂商自报 2026年3月11日
63 GPT-o1-mini OpenAI 80.3% 63 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
64 Doubao-1.5-Pro ByteDance 80.1% 64 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
65 MiniMax-M2.5OW MiniMax 80.1% 64 Overall accuracy; data source: Self-Reported; 229B 厂商自报 2026年3月11日
66 Grok3-Beta xAI 79.9% 66 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
67 GPT-o3-mini OpenAI 79.4% 67 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
68 Gemini 2.0 Pro Google 79.1% 68 Overall accuracy; data source: Self-Reported“Gemini-2.0-Pro” 厂商自报 2026年3月11日
69 Qwen3.5-4BOW Alibaba (Qwen) 79.1% 68 Overall accuracy; data source: Self-Reported; 4B 厂商自报 2026年3月11日
70 HunyuanTurboS Tencent 79.0% 70 Overall accuracy; data source: Self-Reported; 560B 厂商自报 2026年3月11日
71 Grok3-mini-Beta xAI 78.9% 71 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
72 Qwen3-30B-A3BOW Alibaba (Qwen) 78.5% 72 Overall accuracy; data source: Self-Reported; 30B“Qwen3-30B-A3B-Thinking” 厂商自报 2026年3月11日
73 ERNIE-4.5-300B-A47B Baidu 78.4% 73 Overall accuracy; data source: Self-Reported; 300B 厂商自报 2026年3月11日
74 Nemotron-3-Nano-30B-A3B(BF16) NVIDIA 78.3% 74 Overall accuracy; data source: Self-Reported; 30B 厂商自报 2026年3月11日
75 Nemotron-3-Nano-30B-A3B(FP8) NVIDIA 78.1% 75 Overall accuracy; data source: Self-Reported; 30B 厂商自报 2026年3月11日
76 Claude 3.5 Sonnet Anthropic 77.6% 78 Overall accuracy; data source: TIGER-LAb“Claude-3.5-Sonnet (2024-10-22)” 官方榜单 2026年3月11日
77 gemini-2.0-flash Google 77.6% 79 Overall accuracy; data source: Self-Reported“Gemini-2.0-Flash” 厂商自报 2026年3月11日
78 Gemini 2.0 Flash (Dec 2024) Google 76.2% 80 Overall accuracy; data source: TIGER-Lab“Gemini-2.0-Flash-exp” 官方榜单 2026年3月11日
79 Qwen2.5-Max Alibaba (Qwen) 76.1% 82 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
80 Phi-4-reasoning-plus Microsoft 76.0% 83 Overall accuracy; data source: Self-Reported; 14B 厂商自报 2026年3月11日
81 DeepSeek-V3OW DeepSeek 75.9% 84 Overall accuracy; data source: Self-Reported; 671B“Deepseek-V3” 厂商自报 2026年3月11日
82 MiniMax-Text-01 MiniMax 75.7% 85 Overall accuracy; data source: Self-Reported; 456B 厂商自报 2026年3月11日
83 Grok-2 xAI 75.5% 86 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
84 Grok-4.1-Fast(Non-Reasoning) xAI 75.2% 87 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
85 Llama4-Scout Meta 74.3% 88 Overall accuracy; data source: Self-Reported; 109B 厂商自报 2026年3月11日
86 Llama 3.1-405BOW Meta 73.3% 90 Overall accuracy; data source: Self-Reported; 405B“Llama-3.1-405B-Instruct” 厂商自报 2026年3月11日
87 gpt-oss-20bOW OpenAI 73.1% 91 Overall accuracy; data source: TIGER-Lab; 20B“GPT-oss-20B(medium)” 官方榜单 2026年3月11日
88 Athene-V2-Chat (0-shot) Nexusflow 73.1% 92 Overall accuracy; data source: TIGER-Lab; 72B 官方榜单 2026年3月11日
89 GPT-4o (May 2024) OpenAI 72.5% 93 Overall accuracy; data source: TIGER-Lab“GPT-4o (2024-05-13)” 官方榜单 2026年3月11日
90 Grok-2-mini xAI 71.8% 94 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
91 Gemini-2.0-Flash-Lite Google 71.6% 95 Overall accuracy; data source: Self-Reported 厂商自报 2026年3月11日
92 Qwen2.5-72BOW Alibaba (Qwen) 71.6% 96 Overall accuracy; data source: Self-Reported; 72B 厂商自报 2026年3月11日
93 ECHO_Ego_v2_14B — 71.2% 97 Overall accuracy; data source: Self-Reported; 14B 厂商自报 2026年3月11日
94 QwQ-32B-PreviewOW Alibaba (Qwen) 71.0% 98 Overall accuracy; data source: Self-Reported; 32B 厂商自报 2026年3月11日
95 Phi-4OW Microsoft Research 70.4% 99 Overall accuracy; data source: Self-Reported; 14B 厂商自报 2026年3月11日
96 Gemini 1.5 Pro (Sept 2024) Google 70.3% 100 Overall accuracy; data source: TIGER-Lab“Gemini-1.5-Pro-002” 官方榜单 2026年3月11日
97 Athene-V2-ChatOW Nexusflow 70.2% 101 Overall accuracy; data source: TIGER-Lab; 72B 官方榜单 2026年3月11日
98 ERNIE-4.5-300B-A47B-Base Baidu 69.5% 102 Overall accuracy; data source: Self-Reported; 300B 厂商自报 2026年3月11日
99 Qwen2.5-32BOW Alibaba (Qwen) 69.2% 103 Overall accuracy; data source: Self-Reported; 32B 厂商自报 2026年3月11日
100 SkyThought-T1 — 69.2% 104 Overall accuracy; data source: Self-Reported; 32B 厂商自报 2026年3月11日

数据来源与许可

来源许可 / 条款本站使用方式最近抓取
MMLU-Pro leaderboard (TIGER-Lab)
TIGER-Lab, MMLU-Pro leaderboard
 Apache-2.0 (dataset) 开放许可：完整收录并署名 2026年10月22日
← 全部基准 · 了解评测基准是怎么回事

常见问题

MMLU-Pro 测的是什么？

MMLU 的加难版：约 1.2 万道偏推理的题，14 个学科，每题 10 个选项。 知识加推理，通常使用思维链。

MMLU-Pro 的结果可靠吗？

官方榜混合了 TIGER-Lab 自测和厂商自报分数，本站逐条标注。 数据污染风险: 中 – 测试集自 2024 年公开。

数据更新于：模型评测成绩（北京时间）