🌐 全球大模型能力排名榜单

2026年5月 · 综合 Intelligence Index · GPQA Diamond · 代码 · 推理
数据来源：Artificial Analysis · LLM Stats · Vellum AI

🟣 S 梯队 — 顶尖前沿

排名 模型 开发商 综合指数 GPQA 开源 擅长领域
🥇 1 GPT-5.5 (xhigh) OpenAI 60 93% ❌ 综合、代码、推理
🥈 2 GPT-5.5 (high) OpenAI 59 92% ❌ 综合、多模态
🥉 3 Claude Opus 4.7（推理增强） Anthropic 57 92% ❌ 推理、写作、代码
4 Gemini 3.1 Pro Preview Google 57 91% ❌ 代码、多模态
5 Claude Mythos Preview Anthropic 56 95% ★ ❌ 推理全球第一

★ Claude Mythos Preview 的 GPQA Diamond 得分 95%，为当前全球最高。

🟢 A 梯队 — 强力竞争者

排名 模型 开发商 综合指数 GPQA 开源 擅长领域
6 Grok 4 xAI 55 89% ❌ 综合、速度
7 Kimi K2.6 月之暗面 54 91% ✅ 开源第一、推理
8 GLM-5 智谱AI 53 87% ❌ 中文、代码
NEW 9 DeepSeek V4-Pro 深度求索 53 90.1% ✅ 代码、性价比极高
10 DeepSeek V3.2 深度求索 52 86% ✅ 开源、性价比

💡 DeepSeek V4-Pro：2026年4月24日发布，1.6T 参数 / 49B 激活，支持 100万 token 上下文，MIT 开源，定价仅 $3.48/M tokens，比 GPT-5.5 便宜约 8 倍。

🟡 B 梯队 — 高效主力

排名 模型 开发商 综合指数 GPQA 开源 擅长领域
11 Claude Sonnet 4.6 Anthropic 51 84% ❌ 效率、写作
12 Gemini 3.1 Flash Google 49 82% ❌ 速度、性价比
13 GPT-5 (standard) OpenAI 48 81% ❌ 综合
14 DeepSeek V4-Flash 深度求索 47 83% ✅ 速度、极低成本
15 GLM-4.7 Thinking 智谱AI 47 83% ✅ 开源代码
16 Llama 4 Maverick Meta 46 78% ✅ 开源多模态
17 Qwen3-235B (MoE) 阿里巴巴 45 79% ✅ 中文开源

⚪ C 梯队 — 实用选择

排名 模型 开发商 综合指数 GPQA 开源 擅长领域
18 DeepSeek R1 深度求索 44 76% ✅ 推理、开源
19 Mistral Large 3 Mistral 41 72% ✅ 欧洲、开源
20 GPT-4o OpenAI 38 67% ❌ 多模态经典
21 Llama 3.3 70B Meta 34 58% ✅ 本地部署

📌 关键结论

维度 最强模型
综合能力第一 GPT-5.5 (xhigh) · 指数 60
推理能力第一 Claude Mythos Preview · GPQA 95%
开源综合第一 Kimi K2.6 · 指数 54
性价比之王 DeepSeek V4-Pro · $3.48/M tokens
国产最强闭源 GLM-5 · 指数 53
本地部署推荐 Llama 3.3 70B / DeepSeek V4-Flash

说明： 综合指数基于 Artificial Analysis Intelligence Index，融合 GPQA Diamond（博士级推理）、SWE-Bench（代码）、AIME 2025（数学）、MMLU-Pro（知识）等多项基准。排名为预览版数据，仅供参考，实际表现因任务类型而异。

# AIGC
Logo
北京朝阳AI社区

更多推荐

Harness如何助力大模型稳定落地？为何受众人追捧？它是AI Agent开发过程中的重要工具。

是一种围绕大语言模型（LLM）或智能体（Agent）构建的。

avatar 北京朝阳AI社区

MCP 是什么？给开发者的完整指南

MCP 协议：AI与运行环境的桥梁 MCP（Model Context Protocol）是Anthropic推出的开放协议，旨在解决AI调试时"隔墙猜谜"的核心痛点。它通过标准化接口让AI能直接操作真实运行环境，包括浏览器、数据库等工具。 核心价值： 打破AI与运行环境间的信息壁垒 提供统一工具调用标准（类似USB接口） 实现调试过程闭环验证 典型工作流：AI通过MCP客户端

avatar 北京朝阳AI社区

LangGraph 故障排查：Multi-Agent 系统常见问题与解决方案

本文整理了我在10+个LangGraph生产项目中踩过的所有坑，覆盖从环境依赖、状态管理、节点执行、多Agent交互、工具调用、部署全链路的30+常见故障，每个故障都给出可复现的错误代码、根因分析、可直接落地的解决方案、验证方法，同时附带LangGraph故障排查的通用方法论、可观测体系搭建方案和生产环境最佳实践。节点执行失败率超过1%时告警死循环触发时告警工具调用超时率超过5%时告警状态校验错误

avatar 北京朝阳AI社区