湘潭网

SuperCLUE 放出 2026 年 11 月通用大模型测评榜单，Gemini-4-Argon 拿下总分第一，Kimi-K3.1-Pro 排在国内模型首位。本次通用基准测评共有 19 个国内外模型参与，测评集包括智能体编程、数理推理、超长上下文、精确指令遵循、幻觉控制五大任务。

总分层面，Gemini-4-Argon 以 73.62 分居首，GPT-6.1-Sol 紧随其后拿到 71.76 分，两个都是闭源模型。Kimi-K3.1-Pro 总分 61.46，是这次开源模型里排名最高的，直接拿下国内第一；排在 Kimi 后面的是 DeepSeek-V4.1-Flash-1017，总分 58.95，智谱 AI 的 GLM-5.3 得分 50.66 排在第三，这三款也构成国内开源模型第一梯队。

分项来看，不同模型擅长的方向并不一样。Gemini-4-Argon 超长上下文拿到 95.63 分，指令遵循 88.97，幻觉控制 83.19，各项表现均衡；GPT-6.1-Sol 数理推理很强，拿到 76.32 分；Kimi-K3.1-Pro 的幻觉控制分数 67.78，在国内模型里优势明显。

这次测评把相差 1 分以内的模型算作并列名次，因此中段排名较为密集。像 GLM-5.3-Flash、Qwen3.8-Max-0902、Hy4-Preview 等多款模型分数接近，挤在 4 到 5 名区间；豆包 Seed-2.1-Pro-260915 总分 42.06，和 MiniMax M3.1-Flash、Step-5-Preview、MiniMax-M3 并列第 6。小米 MiMo、科大讯飞 Spark、美团 LongCat 也都在榜单里，其中小米 MiMo-V2.6-Flash 总分 36.40，MiMo-V2.6-Pro 是 34.57，属于开启思考类型的模型。

从适用场景看，看重长文本、低幻觉可关注 Kimi，追求综合能力则 Gemini、GPT 底子更强；国内模型多主打开源，本地部署自由度更高。榜单属标准化跑分，实际体验还与场景、提示词有关，需结合自身需求选择。