返回近期模型评测

历史专项测试

历史数据存档。查看近期模型，请返回模型能力评测。

知识与推理 · MMLU-Pro

记录保留原模型配置与数据提供方；计算机知识分项衡量知识，不是代码项目完成率。

数据更新：2026/03/11接入核查：2026/10/10262 条来源记录原始数据 · Apache-2.0

262 条 · 按总正确率降序缺测记为 —

总正确率成绩，按该分项排序
模型／配置	总正确率	数据提供方
Gemini-3.1-Pro	91.2%	TIGER-Lab
Gemini-3-Pro(11/25)	90.1%	Self-Reported
GPT-o1	89.3%	Self-Reported
Claude-4.6-Opus(Thinking)	89.1%	Self-Reported
Gemini-3-Flash(12/25)	88.6%	Self-Reported
MiniMax-M2.1	88.0%	Self-Reported
Qwen3.5-397B-A17B	87.8%	Self-Reported
Seed2.0-Lite	87.7%	Self-Reported
GPT-5.4	87.5%	Self-Reported
Claude-4.5-Sonnet(Thinking)	87.4%	Self-Reported
GPT-5.2	87.4%	Self-Reported
Claude-4-Opus-Thinking	87.3%	Self-Reported
Claude-4.5-Opus(Thinking)	87.3%	Self-Reported
Claude-4.6-Sonnet(Thinking)	87.3%	Self-Reported
Hunyuan-T1	87.2%	Self-Reported
GPT-5(high)	87.1%	Self-Reported
K2.5-1T-A32B	87.1%	Self-Reported
Grok-4	87.0%	Self-Reported
Seed-Thinking-v1.5	87.0%	Self-Reported
Seed2.0-Pro	87.0%	Self-Reported

Gemini-3.1-Pro

数据提供方：TIGER-Lab · 参数规模：未披露／来源未提供

总正确率: 91.2%
数学: 95.5%
计算机知识: 93.7%
物理: 93.2%
化学: 92.1%
生物: 95.8%
工程: 87.3%
经济: 93.4%
商业: 93.3%
健康: 86.2%
心理: 91.8%
法律: 85.6%
历史: 85.6%
哲学: 90.4%
其他: 89.3%

查看该版本原始成绩文件

来源、版本与使用范围

数据版本：4623b7c68d2276218d487464b0608dc978f4b301

来源许可证：Apache-2.0。模型自身许可证与成绩文件许可证分别核对。本页未运行模型评测；不同来源或配置记录不合并，价格未提供。

固定版本数据文件