非线智能 NoneLinear - ReLE评测:中文AI大模型能力评测(持续更新)
目录
最近评测更新
- [2026/6/18] v5.10.11版本
- [2026/6/16] v5.10.10版本
- [2026/6/2] v5.10.9版本
- 新增大模型:MiniMax-M3、qwen3.7-plus、step-3.7-flash、claude-opus-4.8-thinking
- [2026/5/30] v5.10.8版本
- [2026/5/23] v5.10.7版本
- [2026/5/21] v5.10.6版本
- [2026/5/13] v5.10.5版本
- [2026/5/1] v5.10.4版本
- [2026/4/25] v5.10.3版本
- 新增大模型:deepseek-v4-flash、deepseek-v4-pro、gpt-5.5
- [2026/4/23] v5.10.2版本
- 新增大模型:mimo-v2.5、mimo-v2.5-pro
- [2026/4/21] v5.10.1版本
- 新增大模型:qwen3.6-max-preview、kimi-k2.6
- 更新模型:更新kimi-k2.5评测结果(修复reasoning_content未传入tool call的调用错误),分数及排名有所变化
- [2026/4/18] v5.10版本
- coding能力归入通用能力,计入总分,排名有所变动
- 新增大模型:Qwen3.6-35B-A3B
- 删除陈旧的模型:Llama-4-Maverick-17B-128E-Instruct-FP8、DeepSeek-R1-0528-Qwen3-8B、ERNIE-4.5-0.3B、
ERNIE-4.5-21B-A3B、ERNIE-4.5-300B-A47B、Hunyuan-A13B-Instruct、Hunyuan-A13B-Instruct-nothink、step-3、
mistral-medium-2508、Mistral-Small-3.2-24B-Instruct-2506、Baichuan4-Air、gemma-3-27b-it、
gemma-3-4b-it、gemma-3-12b-it、Qwen3-1.7B、Qwen3-0.6B、Qwen3-0.6B-nothink、Qwen3-1.7B-nothink
- [2026/4/15] v5.9版本
- coding排行榜新增terminal bench 2.0榜单
- 首次推出coding排行总榜
- 删除陈旧的模型:DeepSeek-V3.2-Exp、DeepSeek-V3.2-Exp-Think、xunfei-spark-x1-0725、doubao-seed-1-6-flash-250615、
doubao-seed-1-6-flash-thinking-250615、doubao-seed-1-6-250615、grok-4-0709、GLM-4.5、GLM-4.5-nothink、GLM-4.6、MiniMax-M2、
qwen-plus-2025-07-28、qwen-plus-think-2025-07-28、grok-3-mini、gemini-3-pro-preview
- [2026/4/8] v5.8.23版本
- [2026/4/6] v5.8.22版本
- 新增大模型:gemma-4-31b-it、gemma-4-26b-a4b-it
- [2026/4/3] v5.8.21版本
- [2026/3/19] v5.8.20版本
- 新增大模型:MiMo-V2-Pro、MiMo-V2-Omni
- [2026/3/18] v5.8.19版本
- 新增大模型:gpt-5.4-mini、gpt-5.4-mini-high、gpt-5.4-nano、gpt-5.4-nano-high、MiniMax-M2.7
- 删除陈旧的模型:ERNIE-Lite-8K、MiniMax-Text-01、Doubao-1.5-lite-32k-250115、MiniMax-M1、kimi-k2-0711-preview、doubao-seed-1-6-thinking-250715
- [2026/3/17] v5.8.18版本
- [2026/3/5] v5.8.17版本
- 新增大模型:gemini-3.1-flash-lite-preview、gpt-5.3-chat、gpt-5.4、gpt-5.4-high
- [2026/2/25] v5.8.16版本
- 新增大模型:qwen3.5-flash、Qwen3.5-27B、Qwen3.5-122B-A10B
- 删除陈旧的模型:qwen-long-2025-01-25、360zhinao2-o1、Magistral-Small-2507、
- [2026/2/20] v5.8.15版本
- 新增大模型:qwen3.5-plus、gemini-3.1-pro-preview
- [2026/2/14] v5.8.14版本
- 新增大模型:Doubao-Seed-2.0-pro、Doubao-Seed-2.0-lite、Doubao-Seed-2.0-mini
- [2026/2/9] v5.8.13版本
- 新增大模型:claude-opus-4.6、GLM-5、MiniMax-M2.5、LongCat-Flash-Lite、MiMo-V2-Flash-0204、MiMo-V2-Flash-think-0204
- [2026/2/2] v5.8.12版本
- [2026/1/27] v5.8.11版本
- 新增大模型:qwen3-max-2026-01-23、qwen3-max-think-2026-01-23(qwen3-max-2026-01-23开启思考模式)、Kimi-K2.5-Thinking
- [2026/1/22] v5.8.10版本
- 新增大模型:GLM-4.7-Flash、LongCat-Flash-Thinking-2601、ERNIE-5.0
- [2025/12/24] v5.8.9版本,[2025/12/23] v5.8.8版本,[2025/12/18] v5.8.7版本,[2025/12/13] v5.8.6版本,[2025/12/6] v5.8.5版本,[2025/12/3] v5.8.4版本,[2025/11/3] v5.8版本,[2025/10/24] v5.7版本,[2025/10/13] v5.6版本,[2025/9/30] v5.5版本,[2025/9/22] v5.4版本,[2025/9/14] v5.3版本,[2025/9/10] v5.2版本,[2025/9/6] v5.1版本,[2025/9/1] v5.0版本,[2025/8/26]v4.13版本,[2025/8/20]v4.12版本,[2025/8/15]v4.11版本,[2025/8/10]v4.10版本,[2025/8/7]v4.9版本,[2025/8/1]v4.8版本,[2025/7/29]v4.7版本,[2025/7/26]v4.6版本,[2025/7/23]v4.5版本,[2025/7/17]v4.4版本,[2025/7/13]v4.3版本,[2025/7/12]v4.2版本,[2025/7/9]v4.1版本,[2025/7/2]v4.0版本,[2025/6/23]v3.33版本,[2025/6/18]v3.32版本,[2025/6/16]v3.31版本,[2025/6/13]v3.30版本,[2025/6/9]v3.29版本,[2025/6/4]v3.28版本,[2025/5/29]v3.27版本,[2025/5/23]v3.26版本,[2025/5/18]v3.25版本,[2025/5/15]v3.24版本,[2025/5/10]v3.23版本,[2025/5/5]v3.22版本,[2025/5/2]v3.21版本,[2025/4/30]v3.20版本,[2025/4/28]v3.19版本,[2025/4/22]v3.18版本,[2025/4/17]v3.17版本,[2025/4/9]v3.16版本,[2025/4/5]v3.15版本,[2025/4/3]v3.14版本,[2025/3/31]v3.13版本,[2025/3/29]v3.12版本,[2025/3/27]v3.11版本,[2025/3/25]v3.10版本,[2025/3/23]v3.9版本,[2025/3/21]v3.8版本,[2025/3/19]v3.7版本,[2025/3/17]v3.6版本,[2025/3/15]v3.5版本,[2025/3/13]v3.4版本,[2025/3/11]v3.3版本,[2025/3/10]v3.2版本,[2025/3/7]v3.1版本,[2025/3/4]v3.0版本,[2025/3/3]v2.22版本,[2025/2/28]v2.21版本,[2025/2/24]v2.20版本,[2025/2/22]v2.19版本,[2025/2/18]v2.18版本,[2025/2/14]v2.17版本,[2025/2/13]v2.16版本,[2025/2/12]v2.15版本,[2025/2/10]v2.14版本,[2025/1/29]v2.13版本,[2025/1/25]v2.12版本,[2025/1/23]v2.11版本,[2025/1/22]v2.10版本,[2025/1/20]v2.9版本,[2025/1/17]v2.8版本,[2025/1/7]v2.7版本
- 2024年:[2024/12/28]v2.6版本,[2024/12/27]v2.5版本,[2024/12/25]v2.4版本, [2024/10/20]v2.3版本,[2024/9/29]v2.2版本,[2024/8/27]v2.1版本,[2024/8/7]v2.0版本,[2024/7/26]v1.21版本,[2024/7/15]v1.20版本,[2024/6/29]v1.19版本,[2024/6/2]v1.18版本,[2024/5/8]v1.17版本,[2024/4/13]v1.16版本,[2024/3/20]v1.15版本,[2024/2/28]v1.14版本,[2024/1/29]v1.13版本
- 2023年:[2023/12/10]v1.12版本,[2023/11/22]v1.11版本,[2023/11/5]v1.10版本,[2023/10/11]v1.9版本,[2023/9/13]v1.8版本,[2023/8/29]v1.7版本,[2023/8/13]v1.6版本,[2023/7/26]v1.5版本, [2023/7/18]v1.4版本, [2023/7/2]v1.3版本, [2023/6/17]v1.2版, [2023/6/10]v1.1版本, [2023/6/4]v1版本
各版本更新详情:CHANGELOG
GitHub热门大模型评测项目
| repo |
star |
area |
about |
| langfuse |
23.6k |
国外 |
Open source LLM engineering platform: LLM Observability, metrics, evals, prompt management, playground, datasets. Integrates with OpenTelemetry, Langchain, OpenAI SDK, LiteLLM, and more. 🍊YC W23 |
| opik |
18.4k |
国外 |
Debug, evaluate, and monitor your LLM applications, RAG systems, and agentic workflows with comprehensive tracing, automated evaluations, and production-ready dashboards. |
| deepeval |
14.2k |
国外 |
The LLM Evaluation Framework |
| …… |
…… |
…… |
…… |
| ⭐chinese-llm-benchmark(我们) |
5.7k |
国内 |
ReLE中文大模型能力评测(持续更新) |
| …… |
…… |
…… |
…… |
详见hot50
大模型基本信息
🚀 大模型统一网关
隆重推出 一站式 AI 模型超市 🛒,提供当下最全的大模型,让您永远快人一步。
- 🌐 全球模型,一网打尽:GPT-5.5、Gemini-3.1-Pro、Claude-4.7、DeepSeek-v4、Kimi-k2.5……
- ⚖️ 智能负载与高并发:我们聚合了多家顶级供应商,通过智能路由实现自动负载均衡。您从此可以告别烦人的 Rate Limit 报错,轻松应对任何流量洪峰!
- 🔀 自动故障切换:单一供应商的 API 临时“抽风”?没关系!我们的系统会毫秒级无感切换到健康的备用渠道,确保您的服务 99.9999% 高可用,让您的用户远离“服务不可用”的尴尬。
- 🛡️在线监控与智能选型:无缝衔接在线效果监测工具,打通模型选型评测闭环。用真实数据说话,助您轻松找到性能最佳、性价比最高的模型方案。
如何接入在线效果监测,如何接入模型选型评测
- 💰 超高性价比!☛查看所有模型及价格
from openai import OpenAI
base_url = "https://api.nonelinear.com/v1"
api_key = "<your api key>" # 获取https://nonelinear.com/static/apikey.html
client = OpenAI(api_key=api_key, base_url=base_url)
client.chat.completions.create(
model="<model id>", # 模型列表https://nonelinear.com/static/models.html
messages=[{"role": "user", "content": "<your prompt>"}],
)
💥模型选型:目标降本90%
拒绝“盲选”大模型🎉!上传你的【专属测试数据】📊,5分钟🔍测出哪个模型在你的场景下效果最好🏆、最划算💰!选择最合适模型,成本或降90%💥!去体验>>

示例:
📊 排行榜
0、多模态排行榜
详细数据见多模态评测
1、综合能力排行榜
“综合能力”计分方式:“综合能力”改为“专业能力”和“通用能力”的加权分,权重分别为0.3,0.7;其中“专业能力”为“教育”、“医疗与心理健康”、“金融”、“法律与行政公务”4大领域平均分,“通用能力”为“推理与数学计算”、“语言与指令遵从”、“agent与工具调用”、“coding” 4大领域平均分。

| 类别 |
机构 |
大模型 |
【总分】准确率 |
平均耗时 |
平均消耗token |
花费/千次(元) |
排名(准确率) |
| 商用 |
阿里巴巴 |
qwen3.7-max(new) |
76.9% |
51s |
2920 |
99.0 |
1 |
| 商用 |
阿里巴巴 |
qwen3.6-max-preview(new) |
75.4% |
80s |
2789 |
139.2 |
2 |
详细数据见:综合能力排行榜 | 通用能力排行榜 | 专业能力排行榜
1.1、推理模型排行榜
见推理模型排行榜
1.2、商用大模型排行榜(含开源模型的付费API)
输出价格5元及以上商用大模型 | 输出价格1~5元商用大模型 | 输出价格1元以下商用大模型
DIY自定义维度筛选榜单:☛ link
1.3、开源大模型排行榜
5B以下开源大模型 | 5B~20B开源大模型 | 20B以上开源大模型
DIY自定义维度筛选榜单:☛link
2、教育排行榜
☛☛完整排行榜见教育
2.1 小学学科
☛☛完整排行榜见小学学科。
语文:排行榜|badcase,
英语:排行榜|badcase,
数学:排行榜|badcase,
道德与法治:排行榜|badcase,
科学:排行榜|badcase
2.2 初中学科
☛☛完整排行榜见初中学科。
生物:排行榜|badcase,
化学:排行榜|badcase,
语文:排行榜|badcase,
英语:排行榜|badcase,
地理:排行榜|[badcase](https://