最佳多语言AI模型
使用跨语言MMLU基准测试分数对AI模型的多语言性能进行排名。找到翻译和非英语任务的最佳LLM。
Last updated: 51m ago
第一名模型
GPT-5.4
评分: 95.4
平均评分
82.9
所有排名模型
已排名模型
34
有基准测试数据
权重：MMLU (60%)Arena Elo (40%)
Top Best for Multilingual Models by Weighted Score
Top 15 models by weighted score
LMMarketCap.com
Benchmark Breakdown
Per-benchmark scores for top 10 models
MMLU
Arena Elo
LMMarketCap.com
| # | 模型 | 评分 |
|---|---|---|
| 1 | GPT-5.4OpenAI | 95.4 |
| 2 | Claude Opus 4.6Anthropic | 95.3 |
| 3 | Gemini 3.1 Pro PreviewGoogle | 95.2 |
| 4 | GPT-5.2OpenAI | 94.8 |
| 5 | GPT-5.1OpenAI | 94.3 |
| 6 | GPT-5.5OpenAI | 93.8 |
| 7 | GPT-5OpenAI | 93.5 |
| 8 | Claude Sonnet 4.6Anthropic | 92.1 |
| 9 | Claude Sonnet 4.5Anthropic | 91.3 |
| 10 | Gemini 3 Flash PreviewGoogle | 91.1 |
| 11 | Gemini 2.5 ProGoogle | 90.7 |
| 12 | Claude Opus 4.5Anthropic | 90.2 |
| 13 | o3OpenAI | 89.7 |
| 14 | DeepSeek V3.2DeepSeek | 88.1 |
| 15 | R1 0528DeepSeek | 86.9 |
| 16 | Gemini 2.5 FlashGoogle | 84.5 |
| 17 | Claude Opus 4.7Anthropic | 83.7 |
| 18 | DeepSeek V3 0324DeepSeek | 83.2 |
| 19 | Claude Opus 4.8Anthropic | 82 |
| 20 | Gemini 3.5 FlashGoogle | 81.7 |
| 21 | Llama 4 MaverickMeta | 81.1 |
| 22 | DeepSeek V3DeepSeek | 81 |
| 23 | GPT-4.1OpenAI | 80.2 |
| 24 | GPT-4oOpenAI | 79 |
| 25 | GPT-5.5 ProOpenAI | 78.5 |
| 26 | Mistral LargeMistral AI | 76.2 |
| 27 | Llama 3.3 70B InstructMeta | 74.6 |
| 28 | Claude Haiku 4.5Anthropic | 73.4 |
| 29 | Phi 4Microsoft | 72.1 |
| 30 | Llama 3.1 70B InstructMeta | 71.5 |
| 31 | GPT-4o-miniOpenAI | 70.7 |
| 32 | Llama 4 ScoutMeta | 67.7 |
| 33 | Gemma 2 27BGoogle | 63.9 |
| 34 | Command ACohere | 51.1 |
评分计算方式
每个模型的评分是其可用基准测试结果的加权平均值。当模型缺少某些基准测试时，权重会在可用的基准测试之间重新归一化。 所有评分均为0-100的刻度。数据来源于官方模型卡片、已发表论文和第三方评估平台。
Frequently Asked Questions
根据我们的基准测试分析，OpenAI的GPT-5.4目前在Multilingual领域排名第一，加权评分为95.4/100。
模型使用MMLU、Arena Elo基准测试分数的加权平均进行排名。所有分数均归一化到0-100的刻度。
我们目前对34个拥有相关基准测试数据的模型进行了Multilingual任务排名。