刚刚，中文大模型测评榜单出炉！Gemini 在参考列居首，Kimi 是正式排名第一
11 月 5 日，中文大模型测评基准 SuperCLUE 发布2026 年 11 月通用大模型测评榜单，19 个国内外模型参与，覆盖智能体编程、数理推理、幻觉控制、精确指令遵循、超长上下文五个维度。
总分最高的 Gemini-4-Argon（73.62）和 GPT-6.1-Sol（71.76）属于国外模型不参与排名，正式排名第一是月之暗面 Kimi-K3.1-Pro（61.46）。
1
这个榜单谁发的，统计维度是什么
SuperCLUE 是中文语言理解测评基准 CLUE（2019 年发起）在大模型时代的延续，面向通用大模型做综合测评。
官方对自身的定位是独立第三方、不研发自家模型；题库每两个月 100% 替换且全部原创，以降低过拟合与数据污染风险；测评维度随模型进展动态更新，测评方式贴近真实用户交互。
11月这一期的"智能指数"即通用测评总分，由五个维度构成：智能体编程、数理推理、幻觉控制、精确指令遵循、超长上下文。
榜单关键数据
完整榜单共 19 款模型，从第 5 名到第 10 名依次为:
Qwen3.8-Max-0902（43.22）、Hy4-Preview（42.96）、Doubao-Seed-2.1-Pro-260915（42.06）、MiniMax M3.1-Flash（41.35）、Step-5-Preview（41.23）、MiniMax-M3（41.17）、Qwen3.8-Flash（39.81）、LongCat-2.5-Preview（39.59）、MiMo-V2.6-Flash（36.40）、Spark-X2.6（35.39）、MiMo-V2.6-Pro（34.57），另有 Darwin-180B-RSI-R3（43.08）列为参考；其中第 5、6、7 名均有并列。
三个值得看的地方
从分项看，DeepSeek-V4.1-Flash-1017 的智能体编程（65.38）和数理推理（71.05）与 Gemini-4-Argon 完全同分，但两者总分相差 14.67 分，差距集中在幻觉控制（43.89 对 83.19）和超长上下文（66.25 对 95.63）两项。
GPT-6.1-Sol 的数理推理 76.32 是全场该项最高分之一。
国内开源模型形成第一梯队，Kimi-K3.1-Pro 是本期得分最高的开源模型，也是国内模型首位；DeepSeek-V4.1-Flash-1017 与 GLM-5.3 分列其后。 Kimi-K3.1-Pro 的幻觉控制 67.78 在国内模型中优势明显，超长上下文 87.25 也位居前列。
再往后，从第 4 名到第 10 名的总分全挤在 34.57–47.18 区间，加上"1 分以内并列"的规则，多名次并存。
长文本、低幻觉优先，Kimi-K3.1-Pro 在国内模型里这两项都靠前。
数理与代码优先，GPT-6.1-Sol、DeepSeek-V4.1-Flash-1017 等在该列表现突出。
