IT之家 11 月 16 日消息,Arena(arena.ai)平台发布了 2026 年第 46 周(2026 年 11 月 9 日 ~11 月 15 日)大模型盲测投票榜单。
本周最大看点来自谷歌:新模型 Gemini 4 Carbon (High) 首秀便以 1526 分登顶综合榜,同家族的 Gemini 4 Argon (High) 以 1522 分紧随其后,两者仅差 4 分,在误差范围内视为并列第一。
国产模型方面,前端开发榜上月之暗面 kimi k3.1 pro (Max) 首次杀入第 12 名,成为榜单中排名最高的国产模型;AI 视频榜上,字节跳动 dreamina seedance 2.0 / 2.5 分别占据第 6、7 名,阿里 wan 3.0 位列第 8 名,国产阵营在视频生成赛道已稳定占据第一梯队。
整体来看,本周榜单呈现“谷歌新王登顶、Anthropic 固守智能体与前端、国产模型在多模态赛道持续渗透”的格局。
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
综合榜本周格局发生显著变化,谷歌新推出的 Gemini 4 Carbon (High) 以 1526 分空降第 1 名,紧随其后的是同家族老型号 Gemini 4 Argon (High) 以 1522 分位列第 2 名,两者分差仅 4 分,在置信区间内视为并列头部。
Meta 的 Muse Wonder (Max) 以 1511 分位列第 3 名,Anthropic 的 Claude Opus 5.5 (High) 以 1507 分位列第 4 名。
值得注意的是,Top 8 中 Anthropic 独占 5 席(Claude Opus 5.5、Claude Fable 5、Claude Opus 4.6、Claude Fable 5.1、Claude Opus 4.7),家族式占位特征明显,但分数差距极小,均在 6 分以内。Claude Opus 4.8 (High) 以 1482 分位列第 27 名,是 Anthropic 阵营中排名下滑最明显的型号,被多款同梯队模型反超。
国产模型在综合榜中处于中游位置,与头部仍有 40 分左右的差距:
月之暗面 Kimi K3.1 Pro (Max) 排名最高,位列第 24 名,ELO 1485 分;
月之暗面 Kimi K3 (Max) 位列第 20 名,ELO 1487 分;
阿里 Qwen 3.8 Max 位列第 25 名,ELO 1484 分;
智谱 GLM 5.3 (Max) 位列第 28 名,ELO 1482 分。
| 排名 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|
| 1 | Gemini 4 Carbon (High) | 1526 ±10 | 4273 | $$2 / $10 | N/A | |
| 2 | Gemini 4 Argon (High) | 1522 ±5 | 20779 | $$2 / $10 | 1M | |
| 3 | Muse Wonder (Max) | Meta | 1511 ±6 | 12696 | $$4 / $20 | 1M |
| 4 | Claude Opus 5.5 (High) | Anthropic | 1507 ±6 | 15793 | $$4 / $20 | 1M |
| 5 | Claude Fable 5 (High) | Anthropic | 1504 ±4 | 45469 | $$10 / $50 | 1M |
| 6 | Claude Opus 4.6 (High) | Anthropic | 1503 ±3 | 84375 | $$5 / $25 | 1M |
| 7 | Claude Fable 5.1 (Max) | Anthropic | 1502 ±5 | 20511 | $$10 / $50 | 1M |
| 8 | Claude Opus 4.7 (High) | Anthropic | 1501 ±4 | 64260 | $$5 / $25 | 1M |
| 9 | Gemini 3.8 Flash (High) | 1497 ±4 | 62675 | $$0.75 / $3.75 | 1M | |
| 10 | Muse Spark 1.3 (Max) | Meta | 1497 ±5 | 26806 | $$1.25 / $4.25 | 1M |
| — 以下为 Top 10 外的国产模型 — | ||||||
| 20 | Kimi K3 (Max) | Moonshot | 1487 ±4 | 41402 | N/A | N/A |
| 24 | Kimi K3.1 Pro (Max) | Moonshot | 1485 ±10 | 3995 | $$2 / $10 | 1M |
| 25 | Qwen 3.8 Max | Alibaba | 1484 ±5 | 36936 | $$2 / $6 | 1M |
| 28 | GLM 5.3 (Max) | Z.ai | 1482 ±5 | 31604 | $$1.40 / $4.40 | 1M |
前端开发榜
前端开发榜本周由 Anthropic 强势主导,Claude Fable 5.2 (xHigh) 以 1838 分高居第 1 名,领先第 2 名 Claude Opus 5.5 (Max)(1815 分)23 分,优势明显。
Top 5 中 Anthropic 独占 3 席(Claude Fable 5.2、Claude Opus 5.5、Claude Sonnet 5.5),谷歌 Gemini 4 Carbon (High) 以 1768 分位列第 4 名,OpenAI GPT 6 Astra (Max) 以 1764 分位列第 5 名。
国产模型在该榜表现亮眼:月之暗面 kimi k3.1 pro (Max) 以 1687 分位列第 12 名,是排名最高的国产模型,直接杀入前 15;阿里、深度求索、百度、小米、腾讯、智谱均有模型进入前 30 名,国产阵营在前 30 名中占据 8 席,是所有分榜中国产模型席位最多的一个。
| 排名 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|
| 1 | Claude Fable 5.2 (xHigh) | Anthropic | 1838 ±21 | 1215 | $$8 / $40 | 1M |
| 2 | Claude Opus 5.5 (Max) | Anthropic | 1815 ±12 | 4208 | $$4 / $20 | 1M |
| 3 | Claude Sonnet 5.5 (xHigh) | Anthropic | 1772 ±10 | 5895 | $$2 / $10 | 1M |
| 4 | Gemini 4 Carbon (High) | 1768 ±15 | 2120 | $$2 / $10 | N/A | |
| 5 | GPT 6 Astra (Max) | OpenAI | 1764 ±9 | 8470 | $$10 / $50 | 1.1M |
| 6 | GPT 6.1 Sol (Max) | OpenAI | 1743 ±10 | 5590 | $$2 / $10 | 1.1M |
| 7 | Claude Fable 5.1 (Max) | Anthropic | 1742 ±8 | 9800 | $$10 / $50 | 1M |
| 8 | Muse Wonder Full (Max) | Meta | 1723 ±14 | 2068 | N/A | N/A |
| 9 | Claude Sonnet 5.5 (High) | Anthropic | 1715 ±8 | 7940 | $$2 / $10 | 1M |
| 10 | Gemini 4 Hydrogen (High) | 1704 ±14 | 1997 | $$1.50 / $7.50 | N/A | |
| — 以下为 Top 10 外的国产模型 — | ||||||
| 12 | Kimi K3.1 Pro (Max) | Moonshot | 1687 ±10 | 4977 | $$2 / $10 | 1M |
| 15 | Qwen 3.8 (Max 0902) | Alibaba | 1676 ±6 | 22099 | $$2 / $6 | N/A |
| 17 | Qwen 3.8 Max | Alibaba | 1670 ±12 | 3370 | $$2 / $6 | 1M |
| 18 | DeepSeek V4.1 Flash (Max) (1017) | DeepSeek | 1664 ±7 | 14108 | $$0.15 / $0.60 | 1M |
| 18 | Ernie 5.5 Flash Preview | Baidu | 1668 ±16 | $$0.28 / $1.13 | N/A | |
| 19 | Kimi K3 (Max) | Moonshot | 1658 ±6 | 22448 | $$3 / $15 | 1M |
| 25 | Mimo V2.6 Flash | Xiaomi | 1638 ±8 | 8944 | $$0.14 / $0.28 | 1.1M |
| 26 | Hy4 (Preview) | Tencent | 1632 ±10 | 4601 | $$0.83 / $2.50 | 1M |
| 28 | Mimo V2.6 Pro | Xiaomi | 1625 ±8 | 8846 | $$0.43 / $0.87 | 1.1M |
| 29 | Qwen 3.8 Flash Next | Alibaba | 1624 ±7 | 11380 | $$0.16 / $0.47 | 1M |
智能体榜
智能体榜本周由 Anthropic 完全主导,Claude Fable 5.2 (Max) 以 30.48% 的净提升度高居第 1 名,领先第 2 名 Claude Opus 5.5 (Max)(19.51%)超过 11 个百分点,优势显著。
谷歌 Gemini 4 Carbon (High) 以 16.9% 位列第 3 名,其工具幻觉率仅 0.55%,是头部模型中工具调用最 " 干净 " 的之一。
Anthropic 在前 8 名中占据 5 席,OpenAI 在 7、9、10 名各有 1 款,谷歌在 3、5、11 名各有 1 款。
国产模型中,腾讯 Hy4 以 5.75% 位列第 18 名,月之暗面 Kimi K3.1 Pro (Max) 以 4.83% 位列第 20 名,处于第二梯队末尾。
| 排名 | 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 Fable 5.2 (Max) | Anthropic | 30.48% ±3.07% | 0% ±0% | 74.41% ±12.7% | 32.91% ±1.41% |
| 2 | Claude Opus 5.5 (Max) | Anthropic | 19.51% ±2.04% | 0% ±0% | 40.72% ±7.59% | 18.41% ±1.94% |
| 3 | Gemini 4 Carbon (High) | 16.9% ±0.68% | 0% ±0% | 40.91% ±2.48% | 19.06% ±0.61% | |
| 4 | Claude Sonnet 5.5 (Max) | Anthropic | 16.07% ±2.81% | 0% ±0% | 31.11% ±11% | 14.53% ±2.73% |
| 5 | Gemini 4 Hydrogen (High) | 14.8% ±2.23% | 0% ±0% | 32.12% ±8.39% | 20.53% ±2.04% | |
| 6 | Claude Fable 5.1 (Max) | Anthropic | 14.62% ±2.06% | 0% ±0% | 31.14% ±7.71% | 14.49% ±1.85% |
| 7 | GPT-6 Astra (Max) | OpenAI | 14.56% ±2.03% | 0% ±0% | 31.86% ±7.44% | 14.78% ±1.78% |
| 8 | Claude Opus 5.5 (High) | Anthropic | 14.22% ±1.05% | 0% ±0% | 29.83% ±3.71% | 15.34% ±0.97% |
| 9 | GPT-6.1 Sol (Max) | OpenAI | 12.4% ±1.12% | 0% ±0% | 27.45% ±4.01% | 13.25% ±1.05% |
| 10 | GPT-6.1 Terra (Max) | OpenAI | 11.96% ±1.25% | 0% ±0% | 19.51% ±4.36% | 16.7% ±1.25% |
| — 以下为 Top 10 外的国产模型 — | ||||||
| 18 | Hy4 | Tencent | 5.75% ±1.29% | 0% ±0% | 6.21% ±4.27% | 9.3% ±1.48% |
| 20 | Kimi K3.1 Pro (Max) | Moonshot | 4.83% ±1.11% | 0% ±0% | 8.03% ±3.48% | 6.45% ±1.35% |
| 25 | MiMo-V2.6-Pro | Xiaomi | 2.16% ±0.9% | 0% ±0% | 2.98% ±2.74% | 1.29% ±1.18% |
| 27 | DeepSeek-V4.1-Flash-20261017 (Max) | DeepSeek | 2.01% ±0.52% | 0% ±0% | 1.01% ±1.58% | 4.13% ±0.65% |
AI 生图榜
AI 生图榜由 OpenAI 全面垄断,GPT Image 2.5 Sunburst 以 1429 分高居第 1 名,Top 5 全部被 OpenAI 的 GPT Image 系列包揽。
国产模型中,阿里 Qwen Image 3.0 Pro 以 1254 分位列第 14 名,是排名最高的国产生图模型;字节跳动 Seedream 5.0 Pro 以 1248 分位列第 17 名,两者分差仅 6 分,在误差范围内视为接近。
国产生图模型与头部 OpenAI 仍有 170 分以上的差距,处于第二梯队。
| 排名 | 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 | 1429 ±5 | 63818 | ||
| 2 | GPT Image 2.6 Sunburst (Medium) | OpenAI | 1406 ±13 | 2697 | ||
| 3 | GPT Image 2.5 Flare | OpenAI | 1398 ±5 | 63120 | ||
| 4 | GPT Image 2.6 Flare (Medium) | OpenAI | 1384 ±13 | 2532 | ||
| 5 | GPT Image 2 (medium) | OpenAI | 1382 ±4 | 108559 | ||
| 6 | Mai Image 2.6 | Microsoft AI | 1330 ±5 | 41413 | ||
| 7 | Gemini Nano Banana 2.1 | 1327 ±9 | 4961 | |||
| 8 | Grok Imagine Image 2.0 (canvas) | SpaceXAI | 1318 ±7 | 9919 | ||
| 9 | Reve 2.1 | Reve | 1301 ±8 | 7893 | ||
| 10 | Grok Imagine Image 2.0 (20260801) | SpaceXAI | 1287 ±5 | 36215 | ||
| — 以下为 Top 10 外的国产模型 — | ||||||
| 14 | Qwen Image 3.0 Pro | Alibaba | 1254 ±7 | 10899 | ||
| 17 | Seedream 5.0 Pro | Bytedance | 1248 ±4 | 110580 | ||
| 21 | Qwen Image 2.1 | Alibaba | 1227 ±6 | 17822 | ||
| 23 | MiniMax H3 Image | MiniMax | 1197 ±11 | 3277 | ||
| 24 | Qwen Image 2.0 Pro 2026.06.22 | Alibaba | 1190 ±6 | 12657 | ||
AI 视频榜
AI 视频榜本周呈现 " 谷歌领跑、国产紧追 " 的格局。
谷歌 Gemini Omni 1.2 Flash 以 1540 分空降第 1 名,其前代 Gemini Omni 1.1 Flash 以 1513 分位列第 2 名,两者分差 27 分,仍在 30 分误差范围内,可视为并列头部。
国产模型表现极为亮眼:字节跳动 Dreamina Seedance 2.0 720p 以 1483 分位列第 6 名,Dreamina Seedance 2.5 720p 以 1479 分位列第 7 名,阿里 Wan 3.0 以 1476 分位列第 8 名,国产阵营在视频榜前 10 名中独占 3 席,是所有分榜中排名最靠前、最集中的一个。
值得注意的是,OpenAI 的 Sora 2 Pro 仅以 1367 分位列第 13 名,被多款国产视频模型反超。
| 排名 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|
| 1 | Gemini Omni 1.2 Flash | 1540 ±16 | 1714 | |||
| 2 | Gemini Omni 1.1 Flash | 1513 ±15 | 1792 | |||
| 3 | Gemini Omni Flash | 1509 ±8 | 46707 | |||
| 4 | Flux 3 Video | Black Forest Labs | 1491 ±17 | 1314 | ||
| 5 | Grok Imagine Video 1.5 (Agent) | SpaceXAI | 1488 ±19 | 1249 | ||
| 6 | Dreamina Seedance 2.0 720p | Bytedance | 1483 ±8 | 72137 | ||
| 7 | Dreamina Seedance 2.5 720p | Bytedance | 1479 ±8 | 25421 | ||
| 8 | Wan 3.0 | Alibaba | 1476 ±12 | 3060 | ||
| 9 | SkyReels V4 | Skywork | 1459 ±18 | 1060 | ||
| 10 | Muse Video | Meta | 1457 ±15 | 2225 | ||
| — 以下为 Top 10 外的国产模型 — | ||||||
| 11 | Minimax H3 | MiniMax | 1456 ±8 | 29257 | ||
| 12 | Happyhorse 1.0 | Alibaba-ATH | 1429 ±12 | 22896 | ||
| 22 | Wan 2.7 | Alibaba | 1337 ±7 | 48517 | ||
| 23 | Wan 2.6 | Alibaba | 1324 ±7 | 75753 | ||
| 24 | Seedance V1.5 Pro | Bytedance | 1256 ±7 | 77992 | ||
| 27 | Wan 2.5 I2i (Preview) | Alibaba | 1244 ±9 | 43113 | ||
| 28 | Pixverse V5.6 | Proprietary | 1238 ±10 | 33302 | ||
| 30 | Kling 2.5 Turbo 1080p | KlingAI | 1219 ±17 | 2110 | ||
总结
综合本周六大榜单,AI 大模型竞争格局呈现三条清晰的主线:
一是谷歌凭借 Gemini 4 Carbon 的发布,在综合榜、前端开发榜、智能体榜、视频榜同时发力,打破了 Anthropic 和 OpenAI 的长期垄断;
二是 Anthropic 在智能体榜和前端开发榜保持绝对统治力,家族化占位特征明显;
三是国产模型在视频生成赛道已稳定进入第一梯队(字节 seedance、阿里 wan 系列占据 6~8 名),并在前端开发榜实现了位次突破(kimi k3.1 pro 杀入前 15),但在综合能力上与头部仍有约 40 分的差距。
下周值得关注的是 Gemini 4 Carbon 在综合榜分数能否继续扩大优势,以及 Anthropic 新发布的 Claude Fable 5.2 在各榜的后续表现。





