SuperCLUE 11月大模型榜：Gemini-4-Argon 总分第一，Kimi-K3.1-Pro 居国内首位

11月5日，SuperCLUE 公布2026年11月通用大模型测评榜单，共有19个国内外模型参与，测评覆盖智能体编程、数理推理、超长上下文、精确指令遵循、幻觉控制五项任务。闭源模型 Gemini-4-Argon 以73.62分拿下总分第一，GPT-6.1-Sol 以71.76分紧随其后。

开源模型方面，Kimi-K3.1-Pro 以61.46分成为本次排名最高的开源模型，位列国内模型首位；DeepSeek-V4.1-Flash-1017 与智谱 AI 的 GLM-5.3 分列其后，三款模型构成国内开源模型第一梯队。

榜单概况与测评任务

本次测评由 SuperCLUE 组织，属于其2026年11月通用基准测评，参与模型共19个，来自国内外多个厂商。测评集由五项任务构成，分别是智能体编程、数理推理、超长上下文、精确指令遵循和幻觉控制，覆盖当前通用大模型较受关注的能力方向。

从参与阵容看，既有闭源模型，也有多款国内开源模型，榜单同时给出总分与分项成绩，便于观察不同模型的能力侧重。来源未披露各任务的具体题量与评分细则，仅说明测评以标准化跑分方式进行。

总分排名与分差

排名规则上，本次测评将分差在1分以内的模型算作并列名次，因此榜单中不少模型出现名次并列的情况。GLM-5.3-Flash、Qwen3.8-Max-0902、Hy4-Preview 等多款模型分数接近，集中在第4至第5名区间。

豆包 Seed-2.1-Pro-260915 总分42.06，与 MiniMax M3.1-Flash、Step-5-Preview、MiniMax-M3 并列第6名。小米 MiMo-V2.6-Flash 总分36.40，MiMo-V2.6-Pro 为34.57，来源称二者属于开启思考类型的模型；科大讯飞 Spark、美团 LongCat 也出现在榜单之中。

国内开源模型表现

在国内模型中，Kimi-K3.1-Pro 以61.46分排名最高，同时也是本次开源模型中得分最高的一个。其后的 DeepSeek-V4.1-Flash-1017 总分58.95，智谱 AI 的 GLM-5.3 得分50.66，排在第三。

来源还提到，不少国内模型以开源为主要形态，本地部署的自由度更高，适合有自建需求的用户，这也是开源路线受到关注的原因之一。

各模型分项优势

分项成绩显示，不同模型的擅长方向存在差异。Gemini-4-Argon 在超长上下文任务上拿到95.63分，精确指令遵循为88.97分，幻觉控制为83.19分，来源称其各项表现较为均衡。

GPT-6.1-Sol 的优势集中在数理推理，该项得分76.32分。Kimi-K3.1-Pro 的幻觉控制分数为67.78，来源称这一成绩在国内模型中优势明显。

基于上述分项表现，来源给出的使用建议是：看重长文本处理与低幻觉表现可考虑 Kimi，追求稳定综合能力则 Gemini、GPT 的基础更强。这一表述属于来源的倾向性归纳，并非测评结论之外的额外评测。

榜单的参考边界

来源明确提示，该榜单仅作标准化跑分参考。测评结果反映的是模型在既定任务和评分方式下的表现，实际使用感受还与具体场景、提示词等因素有关。

来源同时表示，跑分高不代表在所有场景下都好用，用户仍需结合自身需求选择模型。这一说明构成本次榜单解读时应保留的边界，榜单名次不宜直接等同于实际使用体验的排序。

要点

• 本次测评共有19个国内外模型参与
• Gemini-4-Argon 总分73.62，排名第一
• GPT-6.1-Sol 总分71.76，位列第二
• Kimi-K3.1-Pro 总分61.46，为国内模型首位
• DeepSeek-V4.1-Flash-1017 得分58.95，GLM-5.3 得分50.66