SuperCLUE 11月榜单：Gemini-4-Argon 登顶，Kimi-K3.1-Pro 居国内首位

SuperCLUE 公布 2026 年 11 月通用大模型测评榜单，共有 19 个全球主流模型参与。谷歌 Gemini-4-Argon 以总分 73.62 排名第一，OpenAI 的 GPT-6.1-Sol 以 71.76 分紧随其后。

在国内模型中，月之暗面的 Kimi-K3.1-Pro 以 61.46 分排名最高，也是本次开源模型中名次最靠前的一个；DeepSeek-V4.1-Flash-1017 与智谱 AI 的 GLM-5.3 分列其后。

测评范围与任务设置

本次测评由 SuperCLUE 组织，属于 2026 年 11 月的通用大模型测评，共有 19 个全球主流模型参与。测评集覆盖五类任务：智能体编程（AI Agent）、数理推理、超长上下文、精确指令遵循和幻觉控制，从多个维度考察模型能力。

在计分规则上，测评把总分相差 1 分以内的模型视为并列名次，因此榜单中不少模型出现名次并列的情况。这一规则也影响了中段模型的排序呈现方式。

总榜排名与分差

从分项看，Gemini-4-Argon 表现较为均衡：超长上下文得分 95.63，指令遵循 88.97，幻觉控制 83.19。GPT-6.1-Sol 的强项在数理推理，该项得分 76.32。

中段区间竞争密集。GLM-5.3-Flash、Qwen3.8-Max-0902、Hy4-Preview 等多款模型分数接近，集中在第 4 到第 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。

国内模型表现

国内模型中排名最高的是月之暗面的 Kimi-K3.1-Pro，总分 61.46，同时是本次参评开源模型中名次最靠前的一个。其幻觉控制单项得分 67.78，在国内模型中优势明显。

排在 Kimi 之后的是 DeepSeek-V4.1-Flash-1017，总分 58.95；智谱 AI 的 GLM-5.3 得分 50.66，位列第三。来源将这三款模型称为内地开源模型第一梯队。

榜单中还有多款国内厂商模型。小米 MiMo-V2.6-Flash 总分 36.40，MiMo-V2.6-Pro 为 34.57，两者均属于具备推理思考能力（Reasoning）的模型；科大讯飞 Spark、美团 LongCat 也出现在榜单之中。

各模型分项强项

分项成绩显示不同模型的侧重方向存在差异。Gemini-4-Argon 在超长上下文、指令遵循和幻觉控制三项上均有较高分数，整体表现均衡；GPT-6.1-Sol 则以数理推理见长。

国内模型中，Kimi-K3.1-Pro 的突出项是幻觉控制。来源据此给出的使用建议是：看重长文本处理和低幻觉表现的用户可考虑 Kimi；追求稳定综合能力的用户，Gemini 与 GPT 的基础更强。

来源还提到，不少内地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。

榜单的参考价值

来源强调，这份榜单只能作为参考。测评属于标准化跑分，实际使用感受还与具体场景和提示词（Prompt）有关，跑分高并不代表在所有场景下都好用。

因此，来源建议用户结合自身需求选择模型，而不是单纯依据排名先后作判断。

要点

本次测评共有19个全球主流模型参与
Gemini-4-Argon总分73.62排名第一
GPT-6.1-Sol以71.76分位列第二
Kimi-K3.1-Pro以61.46分居国内模型首位
测评涵盖智能体编程、数理推理等五项任务