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

Google

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

Google

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

Google

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

Google

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)

Google

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

Google

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

Google

1516 ±15

1784

$1.5 / $9

N/A

gemini-omni-flash

Google

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。