大模型排行榜
Arena评测同步于
评分说明与数据来源
综合榜采用 Epoch 能力指数(ECI)。各分类使用页面标注的单项评测,展示该评测的原始百分比分,不合并不同榜单的分数。
评测有多个运行记录时,优先取日期最近的一次。模型详情列出实际参测配置。综合榜展示评测覆盖项数和 ECI 的 90% 可信区间。
考查模型理解专业流程中的 PDF 文档并完成实际任务的能力。
GDP.pdf ↗专业办公榜
24 个模型
| 01 | Gemini 4 CarbonGoogle DeepMind · 2026-11-10 | 56.4% |
|---|---|---|
| 02 | Muse WonderMeta AI · 2026-10-12 | 54.8% |
| 03 | Gemini 4 HydrogenGoogle DeepMind · 2026-11-12 | 54.2% |
| 04 | Gemini 4 ArgonGoogle DeepMind · 2026-10-13 | 53.6% |
| 05 | Gemini 4 NeonGoogle DeepMind · 2026-11-18 | 53.4% |
| 06 | Muse Spark 1.3Meta AI · 2026-09-02 | 53.0% |
| 07 | Claude Fable 5.2Anthropic · 2026-11-09 | 51.8% |
| 08 | GPT-6.1 SolOpenAI · 2026-09-29 | 51.6% |
| 09 | Claude Sonnet 5.5Anthropic · 2026-09-28 | 51.2% |
| 10 | GPT-6 AstraOpenAI · 2026-09-03 | 50.4% |
| 11 | Claude Fable 5.1Anthropic · 2026-09-01 | 49.4% |
| 12 | GPT-6.2 AstraOpenAI · 2026-11-17 | 49.2% |
| 12 | Muse EmberMeta AI · 2026-11-09 | 49.2% |
| 14 | Claude Opus 5.5Anthropic · 2026-09-22 | 48.8% |
| 14 | GPT-6.2 SolOpenAI · 2026-11-17 | 48.8% |
| 14 | Grok 4.7xAI · 2026-09-21 | 48.8% |
| 17 | Kimi K3.1 ProMoonshot · 2026-10-23 · 开放权重 | 46.6% |
| 18 | Gemini 3.8 FlashGoogle DeepMind · 2026-09-02 | 44.2% |
| 19 | Inkling 2 SmallThinking Machines · 2026-11-05 · 开放权重 | 43.6% |
| 20 | Qwen 3.8 MaxAlibaba · 2026-08-02 | 42.8% |
| 21 | Kimi K3Moonshot · 2026-07-16 · 开放权重 | 39.8% |
| 22 | GLM-5.3Z.ai (Zhipu AI) · 2026-08-14 · 开放权重 | 36.6% |
| 23 | Tencent Hy4 previewTencent · 2026-08-28 · 开放权重 | 35.0% |
| 24 | Mistral Large 4 PreviewMistral AI · 2026-10-06 · 开放权重 | 32.8% |