AI 评测与排行榜,分别告诉你什么
分清评测基准、一次评测运行与排行榜,用它们回答各自适合的问题。
LLM Stats
SuperGPQA is a comprehensive benchmark that evaluates large language models across 285 graduate-level academic disciplines. The benchmark contains 25,957 questions covering 13 broad disciplinary areas including Engineering, Medicine, Science, and Law, with specialized fields in light industry, agriculture, and service-oriented domains. It employs a Human-LLM collaborative filtering mechanism with over 80 expert annotators to create challenging questions that assess graduate-level knowledge and reasoning capabilities.
本站保留来源报告的结果,不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期;不同运行条件不能直接合并为统一排名。
按来源中的观察顺序展示,顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Qwen3.7 Max | 0.736 | 未收录 | 未收录 | 2026-05-19 · model_announcement | LLM Stats |
| Qwen3.6 Plus | 0.716 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Qwen3.7-Plus | 0.714 | 未收录 | 未收录 | 2026-05-31 · model_announcement | LLM Stats |
| Seed 2.1 Pro | 0.708 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| Qwen3.5-397B-A17B | 0.704 | 未收录 | 未收录 | 2026-02-16 · model_announcement | LLM Stats |
| Seed 2.1 Turbo | 0.674 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| Qwen3.5-122B-A10B | 0.671 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3.6-27B | 0.66 | 未收录 | 未收录 | 2026-04-21 · model_announcement | LLM Stats |
| Qwen3.5-27B | 0.656 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3 Max | 0.651 | 未收录 | 未收录 | 2025-12-15 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Thinking-2507 | 0.649 | 未收录 | 未收录 | 2025-07-25 · model_announcement | LLM Stats |
| Qwen3.6-35B-A3B | 0.647 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Thinking | 0.643 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3.5-35B-A3B | 0.634 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Instruct-2507 | 0.626 | 未收录 | 未收录 | 2025-07-22 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Thinking | 0.608 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Instruct | 0.604 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 32B Thinking | 0.59 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Instruct | 0.588 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3.5-9B | 0.582 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| Kimi K2-Instruct-0905 | 0.572 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Kimi K2 Instruct | 0.572 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Thinking | 0.564 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 32B Instruct | 0.546 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Instruct | 0.531 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3.5-4B | 0.529 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| Qwen3 VL 8B Thinking | 0.512 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 4B Thinking | 0.468 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Kimi K2 Base | 0.447 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| Qwen3 VL 8B Instruct | 0.445 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 235B A22B | 0.4406 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Qwen3 VL 4B Instruct | 0.403 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3.5-2B | 0.375 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| Qwen3.5-0.8B | 0.213 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |