LiveBench · 推理与数学

Name: LiveBench · 推理与数学
Creator: LiveBench

LiveBench / 推理 · Reasoning + Mathematics 两项均分，各占 50%。

在 MyHOT 中参与排名

证据预算3.1%

上游数据时间10/14 00:42

最近成功同步10/14 15:51

它测什么，怎么测

先分别计算 Reasoning、Mathematics 的分类成绩，再各占 50% 求平均，最后保留一位小数。两项均分与官网单独选择某一类的成绩不同。

通过单型号协议核验后，在所属能力领域的题族份额内参与参考排序；同题族的测量不增加题族总份额。实际生效份额见当前计算记录。

按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gpt-6.1-sol-maxOpenAI	94.7%	Max 推理
2	gpt-6-astra-maxOpenAI	94.7%	Max 推理
3	claude-opus-5-5-max-effortAnthropic	94.6%	Max 推理
4	claude-fable-5-1-max-effortAnthropic	94.3%	Max 推理
6	gpt-5.6-sol-maxOpenAI	93.9%	Max 推理
7	claude-sonnet-5-5-max-effortAnthropic	93.9%	Max 推理
9	muse-wonder-1.0-maxMeta	93.6%	Max 推理
10	claude-opus-5-max-effortAnthropic	93.5%	Max 推理
11	claude-fable-5-max-effortAnthropic	92.8%	Max 推理
12	muse-spark-1.3-xhighMeta	92.8%	xHigh 推理
13	gpt-5.6-terra-maxOpenAI	92.8%	Max 推理
14	gpt-5.5-xhighOpenAI	92.8%	xHigh 推理
15	gpt-6-sol-maxOpenAI	92.5%	Max 推理
16	claude-opus-4-8-max-effortAnthropic	91.8%	Max 推理
18	grok-4.6xAI	91.5%	来源默认配置
19	gpt-5.4-xhighOpenAI	91.1%	xHigh 推理
20	claude-sonnet-5-xhigh-effortAnthropic	90.8%	xHigh 推理
21	gemini-3.7-flash-highGoogle	90.6%	High 推理
22	muse-spark-1.2-xhighMeta	90.6%	xHigh 推理
23	deepseek-v4-pro-0813DeepSeek	90.5%	来源默认配置
24	gemini-3.8-flash-highGoogle	90.4%	High 推理
25	claude-opus-4-7-xhigh-effortAnthropic	90.0%	xHigh 推理
26	deepseek-v4.1-flash-maxDeepSeek	90.0%	来源默认配置
27	qwen3.8-maxAlibaba	89.8%	来源默认配置
28	grok-4.7-xhighxAI	89.2%	xHigh 推理
29	grok-4.5xAI	89.0%	来源默认配置
30	claude-opus-4-6-thinking-auto-high-effortAnthropic	89.0%	High 推理
31	mistral-large-4-highMistral AI	88.8%	来源默认配置
32	gpt-5.2-2025-12-11-highOpenAI	88.2%	High 推理
33	smaug-flashAbacus.AI	88.1%	来源默认配置

评测局限与数据署名

两项均分衡量组合表现，不能当成 Reasoning 单项成绩。官方页面切换分类或是否包含微调模型时，分数与排序会随之变化。组织参与方 Abacus.AI 同时开发 Smaug 模型，其独家成绩需要其他独立来源补充。

数据许可：Apache 2.0

分项成绩由 LiveBench 发布，本站按上述两类等权汇总并排序。各项分数尺度不同，不能直接相加；参考排序采用固定参照尺度。