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

IT之家 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 Opus 5.5 Max 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。 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。

延伸阅读荣耀 Earbuds X10 蓝牙耳机 10 月 13 日发售：12.4mm 动圈、41 小时综合续航，149 元

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，ELO 1488 分，排名持平； 阿里 qwen3.8-max 位列第 22 名，ELO 1483 分，较上周上升 1 位； 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 Google 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 Google 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 ↑ 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 代码榜 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，ELO 1525 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，ELO 1523 分。

延伸阅读因内存涨价潮叠加《GTA6》抢购潮：消息称微软 XBOX Series X 游戏机在国际市场持续面临供应短缺局面

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，ELO 1540 分，较上周下降 1 位； 小米 mimo-v2.6-pro 位列第 11 名，ELO 1539 分，较上周下降 1 位； 深度求索 deepseek-v4.1-flash-max 位列第 26 名，ELO 1528 分，排名持平； 智谱 glm-5.3-flash 位列第 27 名，ELO 1525 分，较上周上升 2 位； 阿里 qwen3.8-max 位列第 29 名，ELO 1524 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 Google 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 Top 10 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 前端开发榜头部格局稳定，claude-opus-5.5-max 继续排名第一，ELO 1813 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，ELO 1637 分； mimo-v2.6-pro 则上升 5 位至第 19 名，ELO 1629 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 Google 1678 ±15 1771 $2 / $10 1M 10 ↑ 1 qwen3.8-max-0902 Alibaba 1674 ±8 11182 $2 / $6 N/A — 以下为 Top 10 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 智能体榜本期迎来重磅变化，Anthropic Claude Opus 5.5 (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 Opus 5.5 (High) 守住第二位置，净提升度 14.33%，GPT 6 Astra (Max) 上升 1 位至第三。Gemini 4 Argon (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 V4.1 Flash (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 Hy4 preview 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 V2.6 Pro 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 Qwen3.8 Max 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 Opus 5.5 (Max) Anthropic 15.53% ±4.63% 17.29% ±6.02% 36.78% ±20.55% 8.2% ±4.06% 2 - Claude Opus 5.5 (High) Anthropic 14.33% ±2.18% 13.93% ±3.84% 33.69% ±9.12% 9.98% ±2.12% 3 ↑ 1 GPT 6 Astra (Max) OpenAI 13.09% ±2.37% 12.13% ±3.88% 38.54% ±9.96% 8.85% ±2.5% 4 ↓ 3 Claude Fable 5.1 (Max) Anthropic 12.66% ±2.05% 16.19% ±2.96% 26.22% ±7.98% 8.84% ±3.12% 5 ↓ 2 Claude Sonnet 5.5 (Max) Anthropic 11.95% ±3.31% 15.83% ±5.06% 23.37% ±14.09% 5.1% ±3.33% 6 ↓ 1 GPT 6.1 Sol (Max) OpenAI 11.72% ±3.05% 14.74% ±4.18% 30.32% ±12.99% 8.52% ±3.07% 7 ↓ 1 GPT 6 Sol (Max) OpenAI 9.92% ±2.38% 6.97% ±4.34% 23.55% ±9.64% 11.92% ±2.02% 8 ↑ 2 Gemini 4 Argon (High) Google 9.26% ±2.36% 15.64% ±3.26% 40.6% ±9.56% 11.64% ±2.1% 9 ↓ 1 Claude Fable 5 (High) Anthropic 8.94% ±1.27% 5.79% ±2.6% 19.34% ±4.8% 9.49% ±1.39% 10 ↓ 1 Claude Opus 5 (Max) Anthropic 8.12% ±1.47% 10.42% ±3.1% 11.86% ±5.46% 4.22% ±2.01% — 以下为 Top 10 外的国产模型 — 17 - Deepseek V4.1 Flash (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 - Hy4 preview Tencent 3.61% ±0.7% 5.96% ±1.48% 5.18% ±2.59% 0.32% ±0.92% 20 ↑ 1 MiMo V2.6 Pro Xiaomi 3.52% ±1.92% 8.03% ±3.88% 8.16% ±7.31% 0.56% ±2.45% 21 ↓ 1 GLM 5.2 (Max) Z.ai 3.19% ±0.73% 4.11% ±1.58% 8.94% ±2.61% 1.72% ±0.96% 24 ↓ 1 Qwen3.8 Max Alibaba 2.35% ±0.59% 5.09% ±1.32% 2.95% ±2.13% 1.81% ±0.82% 25 ↓ 1 GLM 5.3 (Max) Z.ai 2.15% ±0.72% 4.78% ±1.62% 5.12% ±2.48% 0.44% ±1.08% 27 ↑ 1 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 生图榜头部由 OpenAI 模型垄断，gpt-image-2.5-sunburst 继续稳居第一，ELO 1425 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，ELO 1328 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 Google 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 Top 10 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 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 Google 1516 ±15 1784 $1.5 / $9 N/A 2 - gemini-omni-flash Google 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 榜单整体来看，Anthropic 旗下新模型表现强势，Claude Opus 5.5 Max 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。