AI & LLM Benchmarks 2026：推理、编程、数学等榜单与评分结果

AI & LLM Benchmarks 2026 汇总了覆盖推理、编程、数学、视觉、智能体与工具使用等 56 项能力、725 个基准的实时排名，数据每 30 分钟刷新一次。榜单以 TrueSkill 保守评分聚合各能力下的基准，先给出综合指数，再提供单项评测的分数来源、覆盖范围与方法说明。页面同时区分基准原始分与独立验证结果，并提示排名会受提示词格式、评测框架版本、数据污染和模型更新影响。