推理能力榜：多步推理与难题排名

AITIER分领域模型榜

推理榜专挑绕的题：需要多步推导、需要排除陷阱、需要自己发现题面里的矛盾。适合给长链路任务挑主力模型。

已收录榜单 11 个榜 · 2,350 条成绩 原榜生效 2026-10-28 · 数据时间 2026-10-28 15:39:51

本页是推理能力榜第 1 / 1 页，本榜共收录 47 条成绩，榜首 Gemini 4 Argon （95 分 · Google）。分数是归一化相对分（0~100，100 为榜单方设定的参考上限，当前榜首不一定到 100），不等于原始 benchmark 分。分数与名次照原榜公布的结果列出，名次不改写，跨榜之间也不能直接比大小。推理榜的名次对「思考预算」很敏感：同一个模型放开长思考后，名次可能整档上移。原榜本轮成绩生效于 2026-10-28，这份数据的时间是 2026-10-28 15:39:51（北京时间）。

本榜收录 47 条成绩 第 1 页 47 条 · 每页 50 条

本榜榜首 Gemini 4 Argon 95 分（0~100 归一化相对分） · Google

数据更新日 2026-10-28 原榜成绩生效日 · 这份数据的时间 2026-10-28 15:39:51

收录榜单 11 个榜 全栏合计 2,350 条成绩，读法见页底

推理能力榜名次

47 条成绩 · 第 1 / 1 页

名次与分数照原榜公布的结果列出，名次不改写。得分条长度就是分数本身（0~100 的同一区间），翻到第二页也还是同一刻度，所以行与行、页与页之间的条长可以直接比；「差榜首」是相对本榜第一名差了多少分，「—」表示它就是榜首。原榜没给的数值显示「—」。

推理能力榜（47 条成绩，第 1 页）：归一化相对分排名
排名	模型	得分	开源	发布日	差榜首
1	Gemini 4 Argon (High) Google	95/100	闭源	2026-09-30	—
2	GPT-6.1 Sol (Max) OpenAI	93/100	闭源	2026-09-29	-2.0
3	GPT-6 Astra (Max) OpenAI	93/100	闭源	2026-09-03	-2.0
4	Claude Fable 5.1 (Max, Default Fallback) Anthropic	92/100	闭源	2026-09-01	-3.0
5	Claude Opus 5.5 (Max, Default Fallback) Anthropic	92/100	闭源	2026-09-22	-3.0
6	Claude Sonnet 5.5 (Max, Default Fallback) Anthropic	92/100	闭源	2026-09-28	-3.0
7	GPT-5.6 Sol (Max) OpenAI	92/100	闭源	2026-07-09	-3.0
8	Claude Opus 5 (Max) Anthropic	91/100	闭源	2026-07-24	-4.0
9	GPT-5.6 Terra (Max) OpenAI	91/100	闭源	2026-07-09	-4.0
10	Grok 4.6 (Xhigh) SpaceXAI	91/100	闭源	2026-08-12	-4.0
11	Kimi K3 (Max) Kimi	91/100	开源	2026-07-16	-4.0
12	Kimi K3.1 Pro Kimi	91/100	闭源	2026-10-23	-4.0
13	Muse Wonder Meta	91/100	闭源	2026-10-12	-4.0
14	Claude Fable 5 (Max, Opus 4.8 Fallback) Anthropic	90/100	闭源	2026-06-09	-5.0
15	GPT-5.5 (Xhigh) OpenAI	90/100	闭源	2026-04-23	-5.0
16	Muse Spark 1.2 (Xhigh) Meta	90/100	闭源	2026-08-05	-5.0
17	Muse Spark 1.3 (Max) Meta	90/100	闭源	2026-09-02	-5.0
18	Claude Opus 4.8 (Max) Anthropic	89/100	闭源	2026-05-28	-6.0
19	Claude Sonnet 5 (Max) Anthropic	89/100	闭源	2026-06-30	-6.0
20	DeepSeek V4.1 Flash 1017 (Max) DeepSeek	89/100	开源	2026-10-17	-6.0
21	Gemini 3.8 Flash (High) Google	89/100	闭源	2026-09-02	-6.0
22	GPT-6.1 Terra (Max) OpenAI	89/100	闭源	2026-10-26	-6.0
23	GPT-6 Sol (Max) OpenAI	89/100	闭源	2026-09-22	-6.0
24	Gemini 3.7 Flash (High) Google	88/100	闭源	2026-08-13	-7.0
25	Qwen3.8 Max (0902) Alibaba	88/100	开源	2026-09-02	-7.0
26	DeepSeek V4.1 Flash (Max) DeepSeek	87/100	开源	2026-09-10	-8.0
27	Grok 4.5 (High) SpaceXAI	87/100	闭源	2026-07-08	-8.0
28	Qwen3.8 Flash Alibaba Cloud / Qwen Team	87/100	闭源	2026-08-26	-8.0
29	Claude Sonnet 4.6 (Non-reasoning, High) Anthropic	86/100	闭源	2026-02-17	-9.0
30	GLM-5.3 (Max) Z AI	86/100	开源	2026-08-18	-9.0
31	GPT-5.6 Luna (Max) OpenAI	86/100	闭源	2026-07-09	-9.0
32	DeepSeek V4 Flash Vision (Max) DeepSeek	85/100	闭源	2026-08-21	-10.0
33	Gemini 3.1 Pro Preview Google	84/100	闭源	2026-02-19	-11.0
34	Mistral Large 4 Preview Mistral	84/100	闭源	2026-10-06	-11.0
35	Step 5 Preview StepFun	84/100	闭源	2026-09-18	-11.0
36	Grok 4.7 (Xhigh) SpaceXAI	83/100	闭源	2026-09-21	-12.0
37	MiniMax-M3.1-Flash MiniMax	83/100	闭源	2026-10-19	-12.0
38	Claude Haiku 5.5 (Max) Anthropic	82/100	闭源	2026-10-07	-13.0
39	GPT-6 Luna (Max) OpenAI	82/100	闭源	2026-09-22	-13.0
40	MiMo-V2.6-Pro Xiaomi	80/100	开源	2026-09-21	-15.0
41	Qwen3.8 27B (Xhigh) Alibaba	80/100	开源	2026-08-14	-15.0
42	GLM-5.3-Flash Z AI	78/100	开源	2026-08-26	-17.0
43	Inkling (Xhigh) Thinking Machines	78/100	开源	2026-07-15	-17.0
44	MiniMax-M3 MiniMax	75/100	开源	2026-06-01	-20.0
45	Muse Spark Open (Xhigh) Meta	74/100	开源	2026-10-15	-21.0
46	DeepSeek V4 Flash 0731 (Max) DeepSeek	71/100	开源	2026-07-31	-24.0
47	Gemma 4 31B (Non-reasoning) Google	68/100	闭源	2026-04-02	-27.0

这个榜怎么看

评分方式与读榜要点

看榜前先确认这三件事

覆盖范围11 个能力方向通用智力、代码、数学、科学、推理、智能体、多模态与生成类各有专榜

评分方式归一化相对分（0~100）100 是区间顶端、不是满分：当前榜首不一定到 100，也不等于原始 benchmark 分

读榜要点看分档，不看小数点同一档模型的分差常落在统计噪声内；跨榜之间没有共同单位

适合谁看按用途挑模型先定方向再看本榜名次，缩到两三款之后再比价格与上下文

常见问题

只回答这一栏的问题

逐个榜以外的问题见 /glossary

100 分是满分吗？

不是。100 只是 0~100 区间的顶端，当前榜首不一定到 100——有的榜榜首只有 90 多分、甚至 70 多分，这属于正常。分数是把各模型的原始成绩折算到同一区间后的相对值，不是答对率、也不是 Elo 分，这里不再换算一次。

不同榜的分数能横向比大小吗？

不能。每个榜的题库、判分方式与统计方式都不同，通用榜 90 分和代码榜 90 分之间没有共同单位；同一个模型在两张榜上分数不同也不代表它「偏科」。只能看它在同一个榜里的位置。

为什么同一个模型会出现好几条成绩？

榜单按「具体版本」收录：不同推理档位（如 high / max）、不同上下文配置的成绩会被拆成多行，分数也不一样。这里保留原有的行数，所以名次表里的行数会多于模型品牌数。

数据来自 aitier.net 的分领域模型榜，它聚合 Artificial Analysis 与 LLM Stats 的成绩；名次与分数按原榜原样收录。