11月5日消息，SuperCLUE放出2026年11月通用大模型测评榜单，Gemini-4-Argon拿下总分第一，Kimi-K3.1-Pro排在国内模型首位。

本次2026年11月通用基准测评共有19个国内外模型参与，测评集包括五大任务：智能体编程、数理推理、超长上下文、精确指令遵循、幻觉控制。

榜单里Gemini-4-Argon总分73.62，GPT-6.1-Sol紧随其后拿到71.76，两个都是闭源模型。

Kimi-K3.1-Pro总分61.46，是这次开源模型里排名最高的，直接拿下国内第一。

排在Kimi后面的是DeepSeek-V4.1-Flash-1017，总分58.95。智谱AI的GLM-5.3得分50.66，排在第三。这三款也是国内开源模型第一梯队。

分项来看，不同模型擅长的方向不一样。Gemini-4-Argon超长上下文拿到95.63分，指令遵循88.97，幻觉控制83.19，各项表现均衡。GPT-6.1-Sol数理推理很强，拿到76.32分。Kimi-K3.1-Pro的幻觉控制分数67.78，在国内模型里优势明显。

这次测评把相差1分以内的模型算作并列名次，不少模型名次是并列的。

像GLM-5.3-Flash、Qwen3.8-Max-0902、Hy4-Preview等多款模型分数接近，挤在4到5名区间。豆包Seed-2.1-Pro-260915总分42.06，和MiniMax M3.1-Flash、Step-5-Preview、MiniMax-M3并列第6。

小米MiMo、科大讯飞Spark、美团LongCat 也都在榜单里。小米MiMo-V2.6-Flash总分36.40，MiMo-V2.6-Pro是34.57，属于开启思考类型的模型。

如果看重长文本、低幻觉，Kimi会很合适；追求稳定综合能力，Gemini、GPT的底子更强。很多国内模型主打开源，本地部署自由度更高，适合有自建需求的用户。

这份榜单只能作为参考，测评是标准化跑分，实际使用感受还和场景、提示词有关。跑分高不代表所有场景都好用，还是要结合自己的需求选择。