11月7日消息,SuperCLUE发布2026年11月通用大模型测评榜单,共19个全球主流模型参评。谷歌Gemini-4-Argon以73.62分拿下总分第一,GPT-6.1-Sol以71.76分紧随其后;国产模型中,Kimi-K3.1-Pro以61.46分登顶,同时也是排名最高的开源模型。
一、总榜:Gemini登顶,GPT紧咬
本期榜单里,Gemini-4-Argon总分73.62位列第一,GPT-6.1-Sol以71.76分排在第二,两款均为闭源模型。按照SuperCLUE的规则,总分相差1分以内的模型算作并列名次,头部竞争之激烈可见一斑。测评集覆盖五大任务:智能体编程、数理推理、超长上下文、精确指令遵循、幻觉控制。

二、国产第一梯队:Kimi领跑
国产模型方面,Kimi-K3.1-Pro总分61.46,在中国模型中排名第一,也是本次开源模型里排名最高的;DeepSeek-V4.1-Flash以58.95分排在国产第二,智谱AI的GLM-5.3以50.66分位列第三,这三款构成国产开源模型第一梯队。此前发布的腾讯混元Hy4等多款国产模型也进入榜单前列,第一梯队与第二梯队之间的分差正在缩小。
三、分项表现:各有所长
不同模型擅长的方向差异明显:Gemini-4-Argon在超长上下文拿到95.63分、指令遵循88.97分、幻觉控制83.19分,各项表现均衡;GPT-6.1-Sol的数理推理很强,拿到76.32分;Kimi-K3.1-Pro的幻觉控制67.78分,在国产模型里优势明显。对开发者来说,”总分第一”之外,按场景挑模型才是正确姿势。

四、榜单之外的信号
本期榜单把智能体编程、超长上下文列为重点任务,反映出行业对大模型”干长活、干实事”能力的关注。国产开源模型与头部闭源模型之间仍存在约12分的总分差距,但开源模型可以本地部署、数据不出域,自由度和成本优势明显,这是闭源模型无法替代的核心价值。
五、怎么选模型
看重长文本与低幻觉,Kimi-K3.1-Pro很合适;追求综合稳定的能力,Gemini、GPT的底子更强;有自建需求、数据敏感的场景,优先考虑国产开源模型。像商汤日日新等国产模型的持续迭代也在不断拉近差距。需要提醒的是,跑分只是参考,实际使用感受还和具体场景、提示词息息相关。
常见问题(FAQ)
谷歌Gemini-4-Argon,总分73.62;GPT-6.1-Sol以71.76分位列第二,两款均为闭源模型。
Kimi-K3.1-Pro总分61.46,国产第一、开源第一;DeepSeek-V4.1-Flash 58.95分国产第二;智谱GLM-5.3 50.66分国产第三。
测评集覆盖五大任务:智能体编程、数理推理、超长上下文、精确指令遵循、幻觉控制,共19个全球主流模型参评,总分相差1分以内算并列。
国产开源第一61.46分对闭源第一73.62分,仍有约12分差距;但开源模型可本地部署、数据不出域,自由度和成本优势明显。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...










