LongBench v2长上下文

官方网站

LongBench v2 是长文本理解评测基准的第二版，由 THUDM 提出。包含单文档问答、多文档摘要、长文本分类等多种长上下文任务，文本长度从几千到数万 token。v2 增加了更多需要长距离依赖建模的复杂推理题。

排行数据源

#模型得分

1

Claude Opus 4.8Anthropic

69.1%

2

Qwen3.5-397B-A17B阿里巴巴

68.9%

3

GPT-5.6 SolOpenAI

67.1%

4

Qwen3.8-2.4T-A95B阿里巴巴

66.3%

5

Qwen3.8-Max阿里巴巴

66.3%

6

Qwen3.7-Max阿里巴巴

65.3%

7

Claude Opus 4.5Anthropic

64.4%

8

DeepSeek-V4-Pro深度求索

62.1%

9

Qwen3.6-Plus阿里巴巴

62.0%

10

Nemotron-3-UltraNVIDIA

61.9%

共 27 个模型

返回基准目录

LongBench v2长上下文

官方网站

LongBench v2 是长文本理解评测基准的第二版，由 THUDM 提出。包含单文档问答、多文档摘要、长文本分类等多种长上下文任务，文本长度从几千到数万 token。v2 增加了更多需要长距离依赖建模的复杂推理题。

排行数据源

#模型得分

1

Claude Opus 4.8Anthropic

69.1%

2

Qwen3.5-397B-A17B阿里巴巴

68.9%

3

GPT-5.6 SolOpenAI

67.1%

4

Qwen3.8-2.4T-A95B阿里巴巴

66.3%

5

Qwen3.8-Max阿里巴巴

66.3%

6

Qwen3.7-Max阿里巴巴

65.3%

7

Claude Opus 4.5Anthropic

64.4%

8

DeepSeek-V4-Pro深度求索

62.1%

9

Qwen3.6-Plus阿里巴巴

62.0%

10

Nemotron-3-UltraNVIDIA

61.9%

共 27 个模型