FlagEval 智源榜

名次与分数均取自官方榜单，与官方一致。条形长度按当前这些成绩里的最大值算，领跑那条填满整列，其余按比例缩短（灰斜纹是「额外真实缺陷」，只与同列比、不与分数比）。官方没给的数据显示「—」。

FlagEval 智源榜 总分排名

名次	模型	KA	RC	CG	SG	EM	AI	总分	说明
1	GPT-5 (high)	74.4	83.4	74.3	87.2	97.9	85.3	83.74	中英 · 闭源 · 2025-03-25
2	GPT-5 mini (high)	73.2	81.8	75.7	84.7	97.9	73.7	81.17	中英 · 闭源 · 2025-03-25
3	o3	73.2	81.8	58.8	81.9	97.1	85.9	79.78	中英 · 闭源 · 2025-03-25
4	GPT-5 (low)	71.3	58.3	69.1	84.3	97.5	85.9	77.74	中英 · 闭源 · 2025-03-25
5	GPT-5 mini (low)	61	58.1	68.4	82.3	97.9	92.9	76.77	中英 · 闭源 · 2025-03-25
6	o4-mini	64.6	80.1	64	80.9	97.9	63.5	75.17	中英 · 闭源 · 2025-03-25
7	Claude Sonnet 4	62.8	55.9	21.3	84.5	97.1	83.3	67.48	中英 · 闭源 · 2025-03-25
8	Gemini 2.5 Pro	51.8	62.9	33.1	83.6	71.5	81.4	64.05	中英 · 闭源 · 2025-03-25
9	DeepSeek-V3.1-Think	57.3	58	35.3	81.4	74.2	71.2	62.89	中英 · 开源 · 2025-03-25
10	Claude Sonnet 4 (no thinking)	46.3	50.5	18.4	83.9	96.2	79.5	62.48	中英 · 闭源 · 2025-03-25
11	Qwen3-235B-A22B-Thinking-2507	57.3	53	27.2	81	86.5	66	61.85	中英 · 开源 · 2025-03-25
12	gpt-oss-120b (high)	53	57.5	35	70.3	99.2	43.6	59.76	中英 · 开源 · 2025-03-25
13	DeepSeek-R1	62.2	52.2	16.2	80.7	65.2	75	58.58	中英 · 开源 · 2025-03-25
14	GPT-4.1	47.6	48	15	73.2	91	75.6	58.42	中英 · 闭源 · 2025-03-25
15	Kimi-K2	49.4	47.4	20	74.3	86.5	68.6	57.7	中英 · 开源 · 2025-03-25
16	GLM-4.5	70.1	40.9	21.4	74.8	63.5	74.4	57.5	中英 · 开源 · 2025-03-25
17	Gemini 2.5 Flash	54.9	39.7	33.1	82.4	67.1	63.5	56.78	中英 · 闭源 · 2025-03-25
18	DeepSeek-V3.1	51.8	43.4	19.1	82.4	68.7	67.9	55.55	中英 · 开源 · 2025-03-25
19	Qwen3-Next-80B-A3B-Thinking	47	42	20.7	70.2	95	57.1	55.33	中英 · 开源 · 2025-03-25
20	Qwen3-235B-A22B-Instruct-2507	47.6	33.8	19.1	79.9	88.8	60.3	54.9	中英 · 开源 · 2025-03-25
21	Gemini 2.5 Flash (no thinking)	54.3	20.2	39.7	79	72.5	61.5	54.54	中英 · 闭源 · 2025-03-25
22	gpt-oss-120b (low)	47.6	54.4	7.9	63	98.8	46.8	53.08	中英 · 开源 · 2025-03-25
23	Qwen3-Next-80B-A3B-Instruct	46.3	48.4	17.1	71.2	81	53.2	52.85	中英 · 开源 · 2025-03-25
24	GPT-4.1 mini	42.7	39	17.9	77.1	85.2	53.2	52.52	中英 · 闭源 · 2025-03-25
25	Doubao-Seed-1.6-thinking	67.1	36	25	67	39.3	74.4	51.47	中英 · 闭源 · 2025-09-24
26	Grok 3 Mini	59.8	37.6	24.3	78.7	37	67.9	50.88	中英 · 闭源 · 2025-03-25
27	NBG3.5-flash-thinking	51.2	29.4	12.1	58.8	83.8	60.3	49.25	中英 · 闭源 · 2025-09-24
28	ERNIE-4.5-300B-A47B	36.6	19.8	12.1	68.5	91.8	66	49.12	中英 · 开源 · 2025-09-24
29	Qwen3-235B-A22B (thinking)	47	39.8	23.5	75.7	53.2	53.8	48.85	中英 · 开源 · 2025-03-25
30	DeepSeek-Chat	43.3	27	14	79.3	51.2	77.6	48.74	中英 · 开源 · 2025-03-25
31	Magistral Medium	43.9	24.3	27.2	49.7	78.2	64.1	47.89	中英 · 闭源 · 2025-03-25
32	Qwen3-235B-A22B (no thinking)	40.9	22.4	17.6	73.3	65.7	49.4	44.88	中英 · 开源 · 2025-03-25
33	Hunyuan-T1-Latest	52.4	11.6	7.9	35.9	91.9	54.5	42.37	中英 · 闭源 · 2025-03-25
34	Phi-4-reasoning-plus	39	29.4	38.2	32.4	85	30.1	42.34	中英 · 开源 · 2025-03-25

当前档期：2509（官方按季度发布）。 分维度列用官方缩写（KA 知识应用、RC 阅读理解、CG 代码生成、SG 安全、EM 实体匹配、AI 指令遵循等），未评测的维度不进表。 榜单更新节奏较慢，最近一期的模型清单可能落后于其他榜。