LiveBench 榜单更新：Claude Fable 5.1 以 85.7 分登顶，DeepSeek 领跑开源
bindureddy · x · 2026-10-28
bindureddy 分享了最新 LiveBench 真实任务榜单，认为其终于贴合实际使用表现。
关键排名（附单任务成功成本）：
- Claude Fable 5.1 总分 85.7 登顶，单次成功任务成本 $6.904
- GPT-6 Astra 85.6 紧随其后，成本 $4.548
- Claude Opus 5.5 85.1，设计维度最强（86.9）
- Gemini 4 Argon 在数据分析上以 85.2 超过 GPT-6.1 Terra
- DeepSeek V4.1 Flash 1017 以 74.0 成为最强开源模型，且单任务成本最低（$0.181）
榜单还按 Agentic、Design、Browser Use、Data Analysis、Research 分维度打分，GPT-6.1 Sol 在浏览器使用（93.3）和性价比上表现突出。
「模型」频道最新
- 订阅补贴下的模型性价比图：DeepSeek V4.1 Flash 以免费杀入前沿 — teortaxesTex · 2026-10-28
- 2 万条实测数据：前沿模型卡在哪，Agent Arena 投诉率揭示三大差距 — arena · 2026-10-28
- Nace 发布决策模型 Drex Max 1.1:Decision Index 升至 70.8 — omarsar0 · 2026-10-28
- Nemotron-3.5-Transcribe 接入 vLLM：原生语音塔+FP8/NVFP4 推理 — aakashgupta · 2026-10-28
- 激活一个「邪恶神经元」就能让 Qwen3.8 27B 变成极端暴力人格 — Puzzleheaded-King584 · 2026-10-28
- Google 世界模型实现实时模拟整个世界,被称被低估的大事 — heykahn · 2026-10-28