搜索
IT之家 10 月 19 日消息，Arena（arena.ai）平台发布 2026 年第 42 周（ 2026-10-12 ~ 2026-10-18 ）AI 大模型盲测排名，本期头部格局整体稳定，国产模型在多个细分榜单保持稳定中上游位置，其中 kimi-k3-max 首次稳定在代码榜前十，mimo-v2.6-pro 首次进入前端开发榜前 20，整体表现可圈可点。本期共有三款新模型正式入榜，分别是 gemini-3.5-flash-medium、 mimo-v2.6-pro 以及 flux-2-flex。
IT之家注：本榜单基于 Arena（arena.ai）平台匿名盲测投票，通过 ELO（智能体榜为百分比信号）计算排名，反映用户主观偏好而非绝对能力测试；不同分榜相互独立，不宜跨榜比较，分差在误差范围内均视为并列，新模型也需积累一定投票量后才会正式入榜。
综合榜
本期综合榜头部排名保持稳定，gemini-4-argon-high 以 1525 分蝉联榜首，claude-opus-5.5-high 以 1507 分位列第二，claude-opus-4-6-high 和 claude-fable-5-high 同以 1504 分并列第三，分差均在 30 分以内，在误差范围内视为接近竞争。头部前 10 名分数均在 1494 分以上，竞争依旧胶着。本周新入榜模型为 gemini-3.5-flash-medium，直接冲进前 30，位列第 30，ELO 得分 1476 分，表现不俗。
国产模型整体处于中上游位置，梯队相对稳定：
月之暗面 kimi-k3-max 排名最高，位列第 16 名，ELO 1488 分，排名持平；
阿里 qwen3.8-max 位列第 22 名，ELO 1483 分，排名持平；
小米 mimo-v2.6-pro 位列第 26 名，ELO 1480 分，排名持平；
智谱 glm-5.3-max 位列第 27 名，ELO 1478 分，排名持平。
| 排名 | 较上周 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|---|
| 1 | - | gemini-4-argon-high | 1525 ±9 | 4892 | $2 / $10 | 1M | |
| 2 | - | claude-opus-5.5-high | Anthropic | 1507 ±8 | 6272 | $4 / $20 | 1M |
| 3 | - | claude-opus-4-6-high | Anthropic | 1504 ±3 | 79415 | $5 / $25 | 1M |
| 4 | - | claude-fable-5-high | Anthropic | 1504 ±4 | 40026 | $10 / $50 | 1M |
| 5 | - | claude-opus-4-7-high | Anthropic | 1501 ±4 | 65192 | $5 / $25 | 1M |
| 6 | - | claude-fable-5.1-max | Anthropic | 1501 ±6 | 13063 | $10 / $50 | 1M |
| 7 | - | claude-opus-4-6 | Anthropic | 1498 ±3 | 84095 | $5 / $25 | 1M |
| 8 | - | gemini-3.8-flash-high | 1497 ±5 | 31437 | $0.75 / $3.75 | 1.05M | |
| 9 | - | muse-spark-1.3-max | Meta | 1494 ±6 | 14694 | $1.25 / $4.25 | 1M |
| 10 | - | claude-opus-4-7 | Anthropic | 1494 ±4 | 66315 | $5 / $25 | 1M |
| — 以下为 Top 10 外的国产模型 — | |||||||
| 16 | - | kimi-k3-max | Moonshot | 1488 ±5 | 30351 | N/A | N/A |
| 22 | - | qwen3.8-max | Alibaba | 1483 ±5 | 25378 | $2 / $6 | 1M |
| 26 | - | mimo-v2.6-pro | Xiaomi | 1480 ±9 | 4069 | $0.44 / $0.87 | 1.05M |
| 27 | - | glm-5.3-max | Z.ai | 1478 ±5 | 20049 | $1.4 / $4.4 | 1.05M |
代码榜
代码榜头部格局依旧稳定，gemini-4-argon-high 以 1562 分继续领跑，claude-fable-5-high 以 1551 分位列第二，claude-opus-4-7-high、 claude-opus-4-6-high、 claude-opus-5.5-high 同以 1550 分并列第三，前三名中除 gemini-4-argon-high 外均为 Anthropic 模型，头部依旧被海外厂商占据。本周核心看点是国产 kimi-k3-max 稳定保持在第十名，ELO 1540 分，成为国产模型在代码榜的最高排名，小米 mimo-v2.6-pro 紧随其后位列第十一，ELO 1539 分，表现亮眼。
国产模型已有多款进入代码榜前 30，具体排名如下：
月之暗面 kimi-k3-max 排名第 10，ELO 1540 分，排名持平；
小米 mimo-v2.6-pro 排名第 11，ELO 1539 分，排名持平；
深度求索 deepseek-v4.1-flash-max 排名第 26，ELO 1528 分，排名持平；
智谱 glm-5.3-flash 排名第 27，ELO 1525 分，排名持平；
阿里 qwen3.7-max-preview 排名第 28，ELO 1524 分，排名持平；
阿里 qwen3.8-max 排名第 29，ELO 1524 分，排名持平。
| 排名 | 较上周 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|---|
| 1 | - | gemini-4-argon-high | 1562 ±17 | 1233 | $2 / $10 | 1M | |
| 2 | - | claude-fable-5-high | Anthropic | 1551 ±7 | 10404 | $10 / $50 | 1M |
| 3 | - | claude-opus-4-7-high | Anthropic | 1550 ±6 | 18591 | $5 / $25 | 1M |
| 4 | - | claude-opus-4-6-high | Anthropic | 1550 ±6 | 20617 | $5 / $25 | 1M |
| 5 | - | claude-opus-5.5-high | Anthropic | 1550 ±16 | 1444 | $4 / $20 | 1M |
| 6 | - | claude-opus-4-6 | Anthropic | 1548 ±5 | 23351 | $5 / $25 | 1M |
| 7 | - | claude-opus-4-7 | Anthropic | 1546 ±6 | 18816 | $5 / $25 | 1M |
| 8 | - | gpt-6.1-sol-max | OpenAI | 1545 ±20 | 911 | $2 / $10 | 1.05M |
| 9 | - | gpt-6-astra-max | OpenAI | 1542 ±12 | 2424 | N/A | N/A |
| 10 | - | kimi-k3-max | Moonshot | 1540 ±7 | 7775 | N/A | N/A |
| — 以下为 Top 10 外的国产模型 — | |||||||
| 11 | - | mimo-v2.6-pro | Xiaomi | 1539 ±18 | 1107 | $0.44 / $0.87 | 1.05M |
| 26 | - | deepseek-v4.1-flash-max | DeepSeek | 1528 ±11 | 3026 | $0.3 / $1.2 | 1M |
| 27 | - | glm-5.3-flash | Z.ai | 1525 ±8 | 7267 | $0.06 / $0.2 | 1.05M |
| 28 | - | qwen3.7-max-preview | Alibaba | 1524 ±18 | 1165 | $1.48 / $4.43 | 1M |
| 29 | - | qwen3.8-max | Alibaba | 1524 ±8 | 7077 | $2 / $6 | 1M |
前端开发榜
前端开发榜头部格局稳定，claude-opus-5.5-max 以 1813 分稳居榜首，gpt-6-astra-max 以 1786 分位列第二，claude-sonnet-5.5-xhigh 以 1774 分位列第三。本周新入榜模型包括 mimo-v2.6-pro 和 claude-haiku-5.5-high，其中小米 mimo-v2.6-pro 首次入榜即位列第 19，ELO 1629 分，成功杀入前 20，延续了其在代码领域的良好表现。
国产模型在前端开发榜占据多个中上游位置，具体如下：
阿里 qwen3.8-max-0902 位列第 10，ELO 1674 分，排名持平；
阿里 qwen3.8-max 位列第 11，ELO 1672 分，排名持平；
月之暗面 kimi-k3-max 位列第 14，ELO 1654 分，排名持平；
小米 mimo-v2.6-flash 位列第 16，ELO 1637 分，排名持平；
阿里 qwen3.8-flash-next 位列第 17，ELO 1633 分，排名持平；
腾讯 hy4-preview 位列第 18，ELO 1632 分，排名持平；
小米 mimo-v2.6-pro 新入榜位列第 19，ELO 1629 分；
智谱 glm-5.3-max 位列第 22，ELO 1622 分，排名持平。
| 排名 | 较上周 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|---|
| 1 | - | claude-opus-5.5-max | Anthropic | 1813 ±15 | 2294 | $4 / $20 | 1M |
| 2 | - | gpt-6-astra-max | OpenAI | 1786 ±11 | 5189 | $10 / $50 | 1.05M |
| 3 | - | claude-sonnet-5.5-xhigh | Anthropic | 1774 ±15 | 2323 | $2 / $10 | 1M |
| 4 | - | gpt-6.1-sol-max | OpenAI | 1755 ±15 | 2102 | $2 / $10 | 1.05M |
| 5 | - | claude-fable-5.1-max | Anthropic | 1744 ±9 | 6663 | $10 / $50 | 1M |
| 6 | - | claude-sonnet-5.5-high | Anthropic | 1715 ±11 | 3984 | $2 / $10 | 1M |
| 7 | - | claude-opus-5-max | Anthropic | 1691 ±6 | 17320 | $5 / $25 | 1M |
| 8 | - | gpt-6-sol-max | OpenAI | 1688 ±12 | 3407 | $2 / $10 | 1.05M |
| 9 | - | gemini-4-argon-high | 1678 ±15 | 1771 | $2 / $10 | 1M | |
| 10 | - | qwen3.8-max-0902 | Alibaba | 1674 ±8 | 11182 | $2 / $6 | N/A |
| — 以下为 Top 10 外的国产模型 — | |||||||
| 11 | - | qwen3.8-max | Alibaba | 1672 ±12 | 3446 | $2 / $6 | 1M |
| 14 | - | kimi-k3-max | Moonshot | 1654 ±6 | 17412 | $3 / $15 | 1.05M |
| 16 | - | mimo-v2.6-flash | Xiaomi | 1637 ±10 | 4058 | $0.14 / $0.28 | 1.05M |
| 17 | - | qwen3.8-flash-next | Alibaba | 1633 ±8 | 6932 | $0.16 / $0.47 | 1M |
| 18 | - | hy4-preview | Tencent | 1632 ±10 | 4792 | $0.75 / $2.25 | 1.05M |
| 19 | 新上榜 | mimo-v2.6-pro | Xiaomi | 1629 ±11 | 3649 | $0.44 / $0.87 | 1.05M |
| 22 | - | glm-5.3-max | Z.ai | 1622 ±8 | 8382 | $1.4 / $4.4 | 1.05M |
| 23 | - | deepseek-v4.1-flash-max | DeepSeek | 1619 ±11 | 3542 | $0.3 / $1.2 | 1M |
| 26 | - | glm-5.3-flash | Z.ai | 1609 ±7 | 13697 | $0.06 / $0.2 | 1.05M |
| 27 | - | glm-5.2-max | Z.ai | 1603 ±6 | 15351 | $1.4 / $4.4 | 1M |
智能体榜
智能体榜采用百分比信号评分体系，本周 Claude Opus 5.5 (Max) 以 15.53% 的净提升度蝉联榜首，GPT 6 Astra (Max) 排名上升一位至第二，净提升度 13.09%，Claude Fable 5.1 (Max) 位列第三，净提升度 12.66%，头部依旧被海外模型占据。在指标方面，Claude Opus 5.5 (Max) 工具幻觉率仅 0.37%，为头部最低，表现出色。国产模型整体处于中上游梯队，已有多款进入前 30。
国产模型在智能体榜具体表现如下：
深度求索 Deepseek V4.1 Flash (Max) 排名第 15，净提升度 3.80%，任务确认成功率 7.44%，较上周上升 2 位；
月之暗面 Kimi K3 (Max) 排名第 16，净提升度 3.78%，任务确认成功率 6.46%，较上周上升 2 位；
腾讯 Hy4 preview 排名第 17，净提升度 3.61%，任务确认成功率 5.96%，较上周上升 2 位；
小米 MiMo V2.6 Pro 排名第 18，净提升度 3.52%，任务确认成功率 8.03%，较上周上升 2 位；
智谱 GLM 5.2 (Max) 排名第 19，净提升度 3.19%，任务确认成功率 4.11%，较上周上升 2 位；
阿里 Qwen3.8 Max 排名第 22，净提升度 2.35%，任务确认成功率 5.09%，较上周上升 2 位；
智谱 GLM 5.3 (Max) 排名第 23，净提升度 2.15%，任务确认成功率 4.78%，较上周上升 2 位。
| 排名 | 较上周 | 模型 | 厂商 | 净提升度 (±CI) | 任务确认成功率 | 好评 / 差评比 | 可控性 |
|---|---|---|---|---|---|---|---|
| 1 | - | Claude Opus 5.5 (Max) | Anthropic | 15.53% ±4.63% | 17.29% ±6.02% | 36.78% ±20.55% | 8.2% ±4.06% |
| 2 | ↑ 1 | GPT 6 Astra (Max) | OpenAI | 13.09% ±2.37% | 12.13% ±3.88% | 38.54% ±9.96% | 8.85% ±2.5% |
| 3 | ↑ 1 | Claude Fable 5.1 (Max) | Anthropic | 12.66% ±2.05% | 16.19% ±2.96% | 26.22% ±7.98% | 8.84% ±3.12% |
| 4 | ↑ 1 | Claude Sonnet 5.5 (Max) | Anthropic | 11.95% ±3.31% | 15.83% ±5.06% | 23.37% ±14.09% | 5.1% ±3.33% |
| 5 | ↑ 1 | GPT 6.1 Sol (Max) | OpenAI | 11.72% ±3.05% | 14.74% ±4.18% | 30.32% ±12.99% | 8.52% ±3.07% |
| 6 | ↑ 1 | GPT 6 Sol (Max) | OpenAI | 9.92% ±2.38% | 6.97% ±4.34% | 23.55% ±9.64% | 11.92% ±2.02% |
| 7 | ↑ 1 | Gemini 4 Argon (High) | 9.26% ±2.36% | 15.64% ±3.26% | 40.6% ±9.56% | 11.64% ±2.1% | |
| 8 | ↑ 1 | Claude Fable 5 (High) | Anthropic | 8.94% ±1.27% | 5.79% ±2.6% | 19.34% ±4.8% | 9.49% ±1.39% |
| 9 | ↑ 1 | Claude Opus 5 (Max) | Anthropic | 8.12% ±1.47% | 10.42% ±3.1% | 11.86% ±5.46% | 4.22% ±2.01% |
| 10 | ↑ 2 | Claude Opus 4.8 (High) | Anthropic | 7.13% ±1.37% | 4.68% ±2.75% | 15.14% ±5.03% | 8.41% ±1.6% |
| — 以下为 Top 10 外的国产模型 — | |||||||
| 15 | ↑ 2 | Deepseek V4.1 Flash (Max) | DeepSeek | 3.8% ±0.39% | 7.44% ±0.86% | 2.44% ±1.45% | 0.87% ±0.54% |
| 16 | ↑ 2 | Kimi K3 (Max) | Moonshot | 3.78% ±0.59% | 6.46% ±1.32% | 6.44% ±2.05% | 1.14% ±0.86% |
| 17 | ↑ 2 | Hy4 preview | Tencent | 3.61% ±0.7% | 5.96% ±1.48% | 5.18% ±2.59% | 0.32% ±0.92% |
| 18 | ↑ 2 | MiMo V2.6 Pro | Xiaomi | 3.52% ±1.92% | 8.03% ±3.88% | 8.16% ±7.31% | 0.56% ±2.45% |
| 19 | ↑ 2 | GLM 5.2 (Max) | Z.ai | 3.19% ±0.73% | 4.11% ±1.58% | 8.94% ±2.61% | 1.72% ±0.96% |
| 22 | ↑ 2 | Qwen3.8 Max | Alibaba | 2.35% ±0.59% | 5.09% ±1.32% | 2.95% ±2.13% | 1.81% ±0.82% |
| 23 | ↑ 2 | GLM 5.3 (Max) | Z.ai | 2.15% ±0.72% | 4.78% ±1.62% | 5.12% ±2.48% | 0.44% ±1.08% |
| 25 | ↑ 2 | DeepSeek V4 Pro (High) (0813) | DeepSeek | 1.34% ±1.66% | 2% ±4.01% | 1.86% ±5.99% | 2.12% ±2.2% |
AI 生图榜
AI 生图榜头部格局稳定，gpt-image-2.5-sunburst 以 1425 分蝉联榜首，gpt-image-2.5-flare 以 1398 分位列第二，gpt-image-2 (medium) 以 1383 分位列第三，前三名均为 OpenAI 模型。本周新入榜模型为 flux-2-flex，首次入榜即位列第 30，ELO 得分 1157 分。国产模型在该榜表现稳定，字节跳动 seedream-5.0-pro 和阿里 qwen-image-3.0-pro 同以 1255 分并列第 12、13 名，均进入前 15，处于中上游位置。
| 排名 | 较上周 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|---|
| 1 | - | gpt-image-2.5-sunburst | OpenAI | 1425 ±7 | 17752 | N/A | N/A |
| 2 | - | gpt-image-2.5-flare | OpenAI | 1398 ±7 | 16889 | N/A | N/A |
| 3 | - | gpt-image-2 (medium) | OpenAI | 1383 ±4 | 93334 | $8 / $30 | N/A |
| 4 | - | grok-imagine-image-2.0 (canvas) | SpaceXAI | 1334 ±12 | 3113 | N/A | N/A |
| 5 | - | mai-image-2.6 | Microsoft AI | 1332 ±5 | 25091 | N/A | N/A |
| 6 | - | gemini-nano-banana-2.1 | 1328 ±9 | 5310 | $1.5 / $7.5 | 65.5K | |
| 7 | - | reve-2.1 | Reve | 1302 ±8 | 8249 | N/A | N/A |
| 8 | - | grok-imagine-image-2.0 (20260801) | SpaceXAI | 1294 ±6 | 14483 | N/A | N/A |
| 9 | - | muse-image | Meta | 1274 ±5 | 42262 | N/A | N/A |
| 10 | - | reve-2.0 | Reve | 1269 ±6 | 15773 | N/A | N/A |
| — 以下为 Top 10 外的国产模型 — | |||||||
| 12 | - | seedream-5.0-pro | Bytedance | 1255 ±4 | 94181 | N/A | N/A |
| 13 | - | qwen-image-3.0-pro | Alibaba | 1255 ±6 | 11440 | N/A | N/A |
| 19 | - | qwen-image-2.1 | Alibaba | 1223 ±7 | 11441 | N/A | N/A |
| 21 | - | qwen-image-2.0-pro-2026-06-22 | Alibaba | 1192 ±6 | 13096 | N/A | N/A |
AI 视频榜
AI 视频榜头部依旧由谷歌模型占据，gemini-omni-1.1-flash 以 1516 分位列第一，gemini-omni-flash 以 1513 分位列第二，flux-3-video 以 1493 分位列第三。国产模型表现突出，前五名中占据两席，字节跳动 dreamina-seedance-2.0-720p 位列第五，ELO 1479 分，阿里 wan3.0 紧随其后位列第六，ELO 1476 分，前 10 名中共有四款国产模型，整体实力不容小觑。
| 排名 | 较上周 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|---|
| 1 | - | gemini-omni-1.1-flash | 1516 ±15 | 1784 | $1.5 / $9 | N/A | |
| 2 | - | gemini-omni-flash | 1513 ±9 | 26576 | N/A | N/A | |
| 3 | - | flux-3-video | Black Forest Labs | 1493 ±17 | 1302 | N/A | N/A |
| 4 | - | grok-imagine-video-1.5-agent | SpaceXAI | 1492 ±18 | 1218 | N/A | N/A |
| 5 | - | dreamina-seedance-2.0-720p | Bytedance | 1479 ±8 | 56318 | N/A | N/A |
| 6 | - | wan3.0 | Alibaba | 1476 ±13 | 2598 | N/A | N/A |
| 7 | - | dreamina-seedance-2.5-720p | Bytedance | 1474 ±9 | 8001 | N/A | N/A |
| 8 | - | minimax-h3 | MiniMax | 1460 ±9 | 11417 | N/A | N/A |
| 9 | - | muse-video | Meta | 1456 ±15 | 2188 | N/A | N/A |
| 10 | - | happyhorse-1.0 | Alibaba-ATH | 1427 ±13 | 22264 | N/A | N/A |
| — 以下为 Top 10 外的国产模型 — | |||||||
| 20 | - | wan2.7-t2v | Alibaba | 1337 ±7 | 27626 | N/A | N/A |
| 21 | - | wan2.6-t2v | Alibaba | 1327 ±7 | 54050 | N/A | N/A |
| 22 | - | seedance-v1.5-pro | Bytedance | 1256 ±7 | 76171 | N/A | N/A |
| 25 | - | wan2.5-t2v-preview | Alibaba | 1245 ±9 | 36378 | N/A | N/A |
本周 Arena AI 大模型周榜整体头部格局变化不大，海外模型依旧占据榜首位置，但国产模型在多个细分榜单已经稳定站稳中上游，kimi-k3-max 在代码榜进入前十，mimo-v2.6-pro 在前端开发榜和智能体榜均有亮眼表现，字节跳动、阿里的国产模型在 AI 生图、AI 视频领域也保持了前五、前十的好成绩。后续我们将持续关注国产大模型的进展，带来最新排名变化。
