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。
gemini-4-argon-high
1525 ±9
4892
$2 / $10
1M
claude-opus-5.5-high
Anthropic
1507 ±8
6272
$4 / $20
1M
claude-opus-4-6-high
Anthropic
1504 ±3
79415
$5 / $25
1M
claude-fable-5-high
Anthropic
1504 ±4
40026
$10 / $50
1M
claude-opus-4-7-high
Anthropic
1501 ±4
65192
$5 / $25
1M
claude-fable-5.1-max
Anthropic
1501 ±6
13063
$10 / $50
1M
claude-opus-4-6
Anthropic
1498 ±3
84095
$5 / $25
1M
gemini-3.8-flash-high
1497 ±5
31437
$0.75 / $3.75
1.05M
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
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。
gemini-4-argon-high
1562 ±17
1233
$2 / $10
1M
claude-fable-5-high
Anthropic
1551 ±7
10404
$10 / $50
1M
claude-opus-4-7-high
Anthropic
1550 ±6
18591
$5 / $25
1M
claude-opus-4-6-high
Anthropic
1550 ±6
20617
$5 / $25
1M
claude-opus-5.5-high
Anthropic
1550 ±16
1444
$4 / $20
1M
claude-opus-4-6
Anthropic
1548 ±5
23351
$5 / $25
1M
claude-opus-4-7
Anthropic
1546 ±6
18816
$5 / $25
1M
gpt-6.1-sol-max
OpenAI
1545 ±20
911
$2 / $10
1.05M
gpt-6-astra-max
OpenAI
1542 ±12
2424
N/A
10
kimi-k3-max
Moonshot
1540 ±7
7775
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。
claude-opus-5.5-max
Anthropic
1813 ±15
2294
$4 / $20
1M
gpt-6-astra-max
OpenAI
1786 ±11
5189
$10 / $50
1.05M
claude-sonnet-5.5-xhigh
Anthropic
1774 ±15
2323
$2 / $10
1M
gpt-6.1-sol-max
OpenAI
1755 ±15
2102
$2 / $10
1.05M
claude-fable-5.1-max
Anthropic
1744 ±9
6663
$10 / $50
1M
claude-sonnet-5.5-high
Anthropic
1715 ±11
3984
$2 / $10
1M
claude-opus-5-max
Anthropic
1691 ±6
17320
$5 / $25
1M
gpt-6-sol-max
OpenAI
1688 ±12
3407
$2 / $10
1.05M
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。
Claude Opus 5.5 (Max)
Anthropic
15.53% ±4.63%
17.29% ±6.02%
36.78% ±20.55%
8.2% ±4.06%
↑ 1
GPT 6 Astra (Max)
OpenAI
13.09% ±2.37%
12.13% ±3.88%
38.54% ±9.96%
8.85% ±2.5%
↑ 1
Claude Fable 5.1 (Max)
Anthropic
12.66% ±2.05%
16.19% ±2.96%
26.22% ±7.98%
8.84% ±3.12%
↑ 1
Claude Sonnet 5.5 (Max)
Anthropic
11.95% ±3.31%
15.83% ±5.06%
23.37% ±14.09%
5.1% ±3.33%
↑ 1
GPT 6.1 Sol (Max)
OpenAI
11.72% ±3.05%
14.74% ±4.18%
30.32% ±12.99%
8.52% ±3.07%
↑ 1
GPT 6 Sol (Max)
OpenAI
9.92% ±2.38%
6.97% ±4.34%
23.55% ±9.64%
11.92% ±2.02%
↑ 1
Gemini 4 Argon (High)
9.26% ±2.36%
15.64% ±3.26%
40.6% ±9.56%
11.64% ±2.1%
↑ 1
Claude Fable 5 (High)
Anthropic
8.94% ±1.27%
5.79% ±2.6%
19.34% ±4.8%
9.49% ±1.39%
↑ 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。
gpt-image-2.5-sunburst
OpenAI
1425 ±7
17752
N/A
gpt-image-2.5-flare
OpenAI
1398 ±7
16889
N/A
gpt-image-2 (medium)
OpenAI
1383 ±4
93334
$8 / $30
N/A
grok-imagine-image-2.0(canvas)
SpaceXAI
1334 ±12
3113
N/A
mai-image-2.6
Microsoft AI
1332 ±5
25091
N/A
gemini-nano-banana-2.1
1328 ±9
5310
$1.5 / $7.5
65.5K
reve-2.1
Reve
1302 ±8
8249
N/A
grok-imagine-image-2.0(20260801)
SpaceXAI
1294 ±6
14483
N/A
muse-image
Meta
1274 ±5
42262
N/A
10
reve-2.0
Reve
1269 ±6
15773
N/A
— 以下为 Top 10 外的国产模型 —
12
seedream-5.0-pro
Bytedance
1255 ±4
94181
N/A
13
qwen-image-3.0-pro
Alibaba
1255 ±6
11440
N/A
19
qwen-image-2.1
Alibaba
1223 ±7
11441
N/A
21
qwen-image-2.0-pro-2026-06-22
Alibaba
1192 ±6
13096
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。
gemini-omni-1.1-flash
1516 ±15
1784
$1.5 / $9
N/A
gemini-omni-flash
1513 ±9
26576
N/A
flux-3-video
Black Forest Labs
1493 ±17
1302
N/A
grok-imagine-video-1.5-agent
SpaceXAI
1492 ±18
1218
N/A
dreamina-seedance-2.0-720p
Bytedance
1479 ±8
56318
N/A
wan3.0
Alibaba
1476 ±13
2598
N/A
dreamina-seedance-2.5-720p
Bytedance
1474 ±9
8001
N/A
minimax-h3
MiniMax
1460 ±9
11417
N/A
muse-video
Meta
1456 ±15
2188
N/A
10
happyhorse-1.0
Alibaba-ATH
1427 ±13
22264
N/A
— 以下为 Top 10 外的国产模型 —
20
wan2.7-t2v
Alibaba
1337 ±7
27626
N/A
21
wan2.6-t2v
Alibaba
1327 ±7
54050
N/A
22
seedance-v1.5-pro
Bytedance
1256 ±7
76171
N/A
25
wan2.5-t2v-preview
Alibaba
1245 ±9
36378
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。