Arena 公布新一轮 AI 大模型周榜：Claude Opus 5.5 Max 首登智能体榜首，国产多模型稳定中上游
2026-10-12 16:48:26 
10月12日消息，Arena(arena.ai)平台发布2026年第41周AI大模型排行榜，覆盖时间为2026-10-05~2026-10-11。本期榜单中，Anthropic全新Claude Opus5.5Max首次入榜智能体榜即夺得第一；国产模型kimi-k3-max稳居综合榜前20，qwen3.8-max等多款国产模型保持稳定排名，整体处于中上游梯队。
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
本周综合榜头部格局相对稳定，gemini-4-argon-high继续占据榜首位置，ELO分数保持1525分。Anthropic多款模型占据前四席位，claude-opus-5.5-high上升2位至第二，ELO分数1507分，与榜首仍有差距，但分差在30分范围内，与第三名claude-opus-4-6-high视为误差范围内接近。本期新增gpt-5.5和gemini-3.5-flash-medium两款模型，分别排名第29和第30位，ELO分数分别为1477和1476分。
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，ELO1488分，排名持平；
阿里qwen3.8-max位列第22名，ELO1483分，较上周上升1位；
小米mimo-v2.6-pro位列第26名，ELO1480分，排名持平；
智谱glm-5.3-max位列第27名，ELO1478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 | ↑2 | claude-opus-5.5-high | Anthropic | 1507±8 | 6272 | $4/$20 | 1M |
| 3 | ↓1 | claude-opus-4-6-high | Anthropic | 1504±3 | 79415 | $5/$25 | 1M |
| 4 | ↓1 | 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Top10外的国产模型— | |||||||
| 16 | - | kimi-k3-max | Moonshot | 1488±5 | 30351 | N/A | N/A |
| 22 | ↑1 | 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/$4.4 | 1.05M |
本周代码榜gemini-4-argon-high继续稳坐榜首，ELO分数微涨2分至1562分。Anthropic模型排名变动显著，claude-opus-5.5-high大幅上升7位，冲进前五，ELO分数达到1550分，与第二名claude-fable-5-high(1551分)仅1分差距，视为统计并列。智谱glm-5.3-flash上升2位至第27名，ELO1525分，成为国产模型中排名最高者。本期新增claude-opus-4-5-20251101模型，首秀排名第30位，ELO1523分。
国产模型在代码榜具体表现如下：
月之暗面kimi-k3-max位列第10名，ELO1540分，较上周下降1位；
小米mimo-v2.6-pro位列第11名，ELO1539分，较上周下降1位；
深度求索deepseek-v4.1-flash-max位列第26名，ELO1528分，排名持平；
智谱glm-5.3-flash位列第27名，ELO1525分，较上周上升2位；
阿里qwen3.8-max位列第29名，ELO1524分，较上周下降1位。
| 排名 | 较上周 | 模型 | 厂商 | 分数(±CI) | 票数 | 价格($/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 | ↑1 | claude-opus-4-7-high | Anthropic | 1550±6 | 18591 | $5/$25 | 1M |
| 4 | ↓1 | claude-opus-4-6-high | Anthropic | 1550±6 | 20617 | $5/$25 | 1M |
| 5 | ↑7 | claude-opus-5.5-high | Anthropic | 1550±16 | 1444 | $4/$20 | 1M |
| 6 | ↓1 | claude-opus-4-6 | Anthropic | 1548±5 | 23351 | $5/$25 | 1M |
| 7 | ↓1 | 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 | ↓2 | gpt-6-astra-max | OpenAI | 1542±12 | 2424 | N/A | N/A |
| 10 | ↓1 | kimi-k3-max | Moonshot | 1540±7 | 7775 | N/A | N/A |
| —以下为Top10外的国产模型— | |||||||
| 11 | ↓1 | 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 | ↑2 | glm-5.3-flash | Z.ai | 1525±8 | 7267 | $0.06/$0.2 | 1.05M |
| 28 | ↓1 | qwen3.7-max-preview | Alibaba | 1524±18 | 1165 | $1.48/$4.43 | 1M |
| 29 | ↓1 | qwen3.8-max | Alibaba | 1524±8 | 7077 | $2/$6 | 1M |
前端开发榜头部格局稳定，claude-opus-5.5-max继续排名第一，ELO1813分，领先优势明显。国产模型中，小米mimo-v2.6-flash本周新入榜，排名第16位，ELO1637分；mimo-v2.6-pro则上升5位至第19名，ELO1629分，表现亮眼。阿里qwen3.8-max-0902上升1位至第10，qwen3.8-max位列第11，两款模型均进入前15，显示国产前端开发能力持续进步。
| 排名 | 较上周 | 模型 | 厂商 | 分数(±CI) | 票数 | 价格($/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 | ↑1 | qwen3.8-max-0902 | Alibaba | 1674±8 | 11182 | $2/$6 | N/A |
| —以下为Top10外的国产模型— | |||||||
| 11 | ↓1 | qwen3.8-max | Alibaba | 1672±12 | 3446 | $2/$6 | 1M |
| 14 | ↓1 | kimi-k3-max | Moonshot | 1654±6 | 17412 | $3/$15 | 1.05M |
| 16 | 新上榜 | mimo-v2.6-flash | Xiaomi | 1637±10 | 4058 | $0.14/$0.28 | 1.05M |
| 17 | ↓1 | qwen3.8-flash-next | Alibaba | 1633±8 | 6932 | $0.16/$0.47 | 1M |
| 18 | ↓1 | hy4-preview | Tencent | 1632±10 | 4792 | $0.83/$2.5 | 1.05M |
| 22 | ↓2 | glm-5.3-max | Z.ai | 1622±8 | 8382 | $1.4/$4.4 | 1.05M |
| 23 | ↓2 | deepseek-v4.1-flash-max | DeepSeek | 1619±11 | 3542 | $0.3/$1.2 | 1M |
| 26 | ↓1 | glm-5.3-flash | Z.ai | 1609±7 | 13697 | $0.06/$0.2 | 1.05M |
| 27 | ↓1 | glm-5.2-max | Z.ai | 1603±6 | 15351 | $1.4/$4.4 | 1M |
| 28 | - | qwen3.8-27b | Alibaba | 1593±7 | 13777 | $0.4/$3 | N/A |
智能体榜本期迎来重磅变化，Anthropic Claude Opus5.5(Max)新入榜即凭借15.53%的净提升度登顶榜首，任务确认成功率达到17.29%，工具幻觉率仅0.37%，各项信号表现均处于头部水平。Claude Opus5.5(High)守住第二位置，净提升度14.33%，GPT6Astra(Max)上升1位至第三。Gemini4Argon(High)上升2位至第八，其工具幻觉率仅0.18%，是当前头部模型中工具幻觉率最低的模型。
国产模型在智能体榜整体处于第二梯队，具体表现：
深度求索Deepseek V4.1Flash(Max)排名第17，净提升度3.80%，任务确认成功率7.44%，排名持平；
月之暗面Kimi K3(Max)排名第18，净提升度3.78%，任务确认成功率6.46%，较上周下降4位；
腾讯Hy4preview排名第19，净提升度3.61%，任务确认成功率5.96%，排名持平；
小米MiMo V2.6Pro排名第20，净提升度3.52%，任务确认成功率8.03%，较上周上升1位；
阿里Qwen3.8Max排名第24，净提升度2.35%，任务确认成功率5.09%，较上周下降1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 | 新上榜 | Claude Opus5.5(Max) | Anthropic | 15.53%±4.63% | 17.29%±6.02% | 36.78%±20.55% | 8.2%±4.06% |
| 2 | - | Claude Opus5.5(High) | Anthropic | 14.33%±2.18% | 13.93%±3.84% | 33.69%±9.12% | 9.98%±2.12% |
| 3 | ↑1 | GPT6Astra(Max) | OpenAI | 13.09%±2.37% | 12.13%±3.88% | 38.54%±9.96% | 8.85%±2.5% |
| 4 | ↓3 | Claude Fable5.1(Max) | Anthropic | 12.66%±2.05% | 16.19%±2.96% | 26.22%±7.98% | 8.84%±3.12% |
| 5 | ↓2 | Claude Sonnet5.5(Max) | Anthropic | 11.95%±3.31% | 15.83%±5.06% | 23.37%±14.09% | 5.1%±3.33% |
| 6 | ↓1 | GPT6.1Sol(Max) | OpenAI | 11.72%±3.05% | 14.74%±4.18% | 30.32%±12.99% | 8.52%±3.07% |
| 7 | ↓1 | GPT6Sol(Max) | OpenAI | 9.92%±2.38% | 6.97%±4.34% | 23.55%±9.64% | 11.92%±2.02% |
| 8 | ↑2 | Gemini4Argon(High) | 9.26%±2.36% | 15.64%±3.26% | 40.6%±9.56% | 11.64%±2.1% | |
| 9 | ↓1 | Claude Fable5(High) | Anthropic | 8.94%±1.27% | 5.79%±2.6% | 19.34%±4.8% | 9.49%±1.39% |
| 10 | ↓1 | Claude Opus5(Max) | Anthropic | 8.12%±1.47% | 10.42%±3.1% | 11.86%±5.46% | 4.22%±2.01% |
| —以下为Top10外的国产模型— | |||||||
| 17 | - | Deepseek V4.1Flash(Max) | DeepSeek | 3.8%±0.39% | 7.44%±0.86% | 2.44%±1.45% | 0.87%±0.54% |
| 18 | ↓4 | Kimi K3(Max) | Moonshot | 3.78%±0.59% | 6.46%±1.32% | 6.44%±2.05% | 1.14%±0.86% |
| 19 | - | Hy4preview | Tencent | 3.61%±0.7% | 5.96%±1.48% | 5.18%±2.59% | 0.32%±0.92% |
| 20 | ↑1 | MiMo V2.6Pro | Xiaomi | 3.52%±1.92% | 8.03%±3.88% | 8.16%±7.31% | 0.56%±2.45% |
| 21 | ↓1 | GLM5.2(Max) | Z.ai | 3.19%±0.73% | 4.11%±1.58% | 8.94%±2.61% | 1.72%±0.96% |
| 24 | ↓1 | Qwen3.8Max | Alibaba | 2.35%±0.59% | 5.09%±1.32% | 2.95%±2.13% | 1.81%±0.82% |
| 25 | ↓1 | GLM5.3(Max) | Z.ai | 2.15%±0.72% | 4.78%±1.62% | 5.12%±2.48% | 0.44%±1.08% |
| 27 | ↑1 | DeepSeek V4Pro(High)(0813) | DeepSeek | 1.34%±1.66% | 2%±4.01% | 1.86%±5.99% | 2.12%±2.2% |
AI生图榜头部由OpenAI模型垄断，gpt-image-2.5-sunburst继续稳居第一，ELO1425分，领先第二名超过20分。谷歌gemini-nano-banana-2.1本周新入榜，首秀排名第六，ELO1328分，表现尚可。国产模型中，字节跳动seedream-5.0-pro排名第12，阿里qwen-image-3.0-pro排名第13，均处于中上游位置，排名变动不大。
| 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 | ↑1 | grok-imagine-image-2.0(canvas) | SpaceXAI | 1334±12 | 3113 | N/A | N/A |
| 5 | ↓1 | mai-image-2.6 | Microsoft AI | 1332±5 | 25091 | N/A | N/A |
| 6 | 新上榜 | gemini-nano-banana-2.1 | 1328±9 | 5310 | $1.5/$7.5 | 65.5K | |
| 7 | ↓1 | reve-2.1 | Reve | 1302±8 | 8249 | N/A | N/A |
| 8 | ↓1 | grok-imagine-image-2.0(20260801) | SpaceXAI | 1294±6 | 14483 | N/A | N/A |
| 9 | ↓1 | muse-image | Meta | 1274±5 | 42262 | N/A | N/A |
| 10 | ↓1 | reve-2.0 | Reve | 1269±6 | 15773 | N/A | N/A |
| —以下为Top10外的国产模型— | |||||||
| 12 | ↓1 | seedream-5.0-pro | Bytedance | 1255±4 | 94181 | N/A | N/A |
| 13 | ↓1 | qwen-image-3.0-pro | Alibaba | 1255±6 | 11440 | N/A | N/A |
| 19 | ↓1 | qwen-image-2.1 | Alibaba | 1223±7 | 11441 | N/A | N/A |
| 21 | ↓1 | qwen-image-2.0-pro-2026-06-22 | Alibaba | 1192±6 | 13096 | N/A | N/A |
AI视频榜头部依旧被谷歌模型占据，gemini-omni-1.1-flash和gemini-omni-flash分别位列前二，ELO分数均超过1510分。国产模型表现突出，共有6款进入前20，其中字节跳动dreamina-seedance-2.0-720p排名第五，阿里wan3.0排名第六，dreamina-seedance-2.5-720p排名第七，minimax-h3排名第八，阿里happyhorse-1.0排名第十，均保持稳定位置，体现国产AI生成视频模型的整体竞争力。
| 排名 | 较上周 | 模型 | 厂商 | 分数(±CI) | 票数 | 价格($/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Top10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榜单整体来看，Anthropic旗下新模型表现强势，Claude Opus5.5Max在智能体榜实现首秀即登顶，多个细分榜单中Claude模型也占据头部位置，竞争格局进一步向Anthropic倾斜。国产模型整体保持稳定，多梯队分布清晰，kimi-k3-max、qwen3.8-max等持续稳居中上游，新模型mimo-v2.6-flash也顺利入榜，体现国产模型持续迭代的节奏。下周市场预计将有更多国产大模型版本更新，值得持续关注排名变化。
