LiveBench（实时基准评测）

LiveBench 由 LMSYS 组织（以 Chatbot Arena 闻名）于 2024 年推出，核心创新是「定期更新题库」——每月发布新题目，确保模型没有预先见过测试数据。

2026 年 MMLU 的饱和和数据污染问题日益严重，LiveBench 作为替代方案获得了广泛认可。它覆盖推理、编程、数学、语言理解、知识问答、多模态等维度。

总排名：GPT-o3（87.3%）> Claude 4（85.1%）> Gemini 2.5 Pro（82.7%）> DeepSeek-V4（80.2%）。

编程维度：Claude 4 领先；推理维度：GPT-o3 领先；数学维度：GPT-o3 领先。

LiveBench 的区分度比 MMLU 好得多——头部模型差距约 5-10%，能清晰反映各模型的能力差异。

LiveBench 正在成为 MMLU 的继承者。其动态题库理念也在影响其他基准的设计——2027 年大多数评测基准将采用定期更新机制。