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。

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-highGoogle1525 ±94892$2 / $101M2-claude-opus-5.5-highAnthropic1507 ±86272$4 / $201M3-claude-opus-4-6-highAnthropic1504 ±379415$5 / $251M4-claude-fable-5-highAnthropic1504 ±440026$10 / $501M5-claude-opus-4-7-highAnthropic1501 ±465192$5 / $251M6-claude-fable-5.1-maxAnthropic1501 ±613063$10 / $501M7-claude-opus-4-6Anthropic1498 ±384095$5 / $251M8-gemini-3.8-flash-highGoogle1497 ±531437$0.75 / $3.751.05M9-muse-spark-1.3-maxMeta1494 ±614694$1.25 / $4.251M10-claude-opus-4-7Anthropic1494 ±466315$5 / $251M— 以下为 Top 10 外的国产模型 —16-kimi-k3-maxMoonshot1488 ±530351N/AN/A22-qwen3.8-maxAlibaba1483 ±525378$2 / $61M26-mimo-v2.6-proXiaomi1480 ±94069$0.44 / $0.871.05M27-glm-5.3-maxZ.ai1478 ±520049$1.4 / $4.41.05M

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。

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-highGoogle1562 ±171233$2 / $101M2-claude-fable-5-highAnthropic1551 ±710404$10 / $501M3-claude-opus-4-7-highAnthropic1550 ±618591$5 / $251M4-claude-opus-4-6-highAnthropic1550 ±620617$5 / $251M5-claude-opus-5.5-highAnthropic1550 ±161444$4 / $201M6-claude-opus-4-6Anthropic1548 ±523351$5 / $251M7-claude-opus-4-7Anthropic1546 ±618816$5 / $251M8-gpt-6.1-sol-maxOpenAI1545 ±20911$2 / $101.05M9-gpt-6-astra-maxOpenAI1542 ±122424N/AN/A10-kimi-k3-maxMoonshot1540 ±77775N/AN/A— 以下为 Top 10 外的国产模型 —11-mimo-v2.6-proXiaomi1539 ±181107$0.44 / $0.871.05M26-deepseek-v4.1-flash-maxDeepSeek1528 ±113026$0.3 / $1.21M27-glm-5.3-flashZ.ai1525 ±87267$0.06 / $0.21.05M28-qwen3.7-max-previewAlibaba1524 ±181165$1.48 / $4.431M29-qwen3.8-maxAlibaba1524 ±87077$2 / $61M

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。

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-maxAnthropic1813 ±152294$4 / $201M2-gpt-6-astra-maxOpenAI1786 ±115189$10 / $501.05M3-claude-sonnet-5.5-xhighAnthropic1774 ±152323$2 / $101M4-gpt-6.1-sol-maxOpenAI1755 ±152102$2 / $101.05M5-claude-fable-5.1-maxAnthropic1744 ±96663$10 / $501M6-claude-sonnet-5.5-highAnthropic1715 ±113984$2 / $101M7-claude-opus-5-maxAnthropic1691 ±617320$5 / $251M8-gpt-6-sol-maxOpenAI1688 ±123407$2 / $101.05M9-gemini-4-argon-highGoogle1678 ±151771$2 / $101M10-qwen3.8-max-0902Alibaba1674 ±811182$2 / $6N/A— 以下为 Top 10 外的国产模型 —11-qwen3.8-maxAlibaba1672 ±123446$2 / $61M14-kimi-k3-maxMoonshot1654 ±617412$3 / $151.05M16-mimo-v2.6-flashXiaomi1637 ±104058$0.14 / $0.281.05M17-qwen3.8-flash-nextAlibaba1633 ±86932$0.16 / $0.471M18-hy4-previewTencent1632 ±104792$0.75 / $2.251.05M19新上榜mimo-v2.6-proXiaomi1629 ±113649$0.44 / $0.871.05M22-glm-5.3-maxZ.ai1622 ±88382$1.4 / $4.41.05M23-deepseek-v4.1-flash-maxDeepSeek1619 ±113542$0.3 / $1.21M26-glm-5.3-flashZ.ai1609 ±713697$0.06 / $0.21.05M27-glm-5.2-maxZ.ai1603 ±615351$1.4 / $4.41M

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。

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-Claude Opus 5.5 (Max)Anthropic15.53% ±4.63%17.29% ±6.02%36.78% ±20.55%8.2% ±4.06%2↑ 1GPT 6 Astra (Max)OpenAI13.09% ±2.37%12.13% ±3.88%38.54% ±9.96%8.85% ±2.5%3↑ 1Claude Fable 5.1 (Max)Anthropic12.66% ±2.05%16.19% ±2.96%26.22% ±7.98%8.84% ±3.12%4↑ 1Claude Sonnet 5.5 (Max)Anthropic11.95% ±3.31%15.83% ±5.06%23.37% ±14.09%5.1% ±3.33%5↑ 1GPT 6.1 Sol (Max)OpenAI11.72% ±3.05%14.74% ±4.18%30.32% ±12.99%8.52% ±3.07%6↑ 1GPT 6 Sol (Max)OpenAI9.92% ±2.38%6.97% ±4.34%23.55% ±9.64%11.92% ±2.02%7↑ 1Gemini 4 Argon (High)Google9.26% ±2.36%15.64% ±3.26%40.6% ±9.56%11.64% ±2.1%8↑ 1Claude Fable 5 (High)Anthropic8.94% ±1.27%5.79% ±2.6%19.34% ±4.8%9.49% ±1.39%9↑ 1Claude Opus 5 (Max)Anthropic8.12% ±1.47%10.42% ±3.1%11.86% ±5.46%4.22% ±2.01%10↑ 2Claude Opus 4.8 (High)Anthropic7.13% ±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↑ 2Deepseek V4.1 Flash (Max)DeepSeek3.8% ±0.39%7.44% ±0.86%2.44% ±1.45%0.87% ±0.54%16↑ 2Kimi K3 (Max)Moonshot3.78% ±0.59%6.46% ±1.32%6.44% ±2.05%1.14% ±0.86%17↑ 2Hy4 previewTencent3.61% ±0.7%5.96% ±1.48%5.18% ±2.59%0.32% ±0.92%18↑ 2MiMo V2.6 ProXiaomi3.52% ±1.92%8.03% ±3.88%8.16% ±7.31%0.56% ±2.45%19↑ 2GLM 5.2 (Max)Z.ai3.19% ±0.73%4.11% ±1.58%8.94% ±2.61%1.72% ±0.96%22↑ 2Qwen3.8 MaxAlibaba2.35% ±0.59%5.09% ±1.32%2.95% ±2.13%1.81% ±0.82%23↑ 2GLM 5.3 (Max)Z.ai2.15% ±0.72%4.78% ±1.62%5.12% ±2.48%0.44% ±1.08%25↑ 2DeepSeek V4 Pro (High) (0813)DeepSeek1.34% ±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。

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-sunburstOpenAI1425 ±717752N/AN/A2-gpt-image-2.5-flareOpenAI1398 ±716889N/AN/A3-gpt-image-2 (medium)OpenAI1383 ±493334$8 / $30N/A4-grok-imagine-image-2.0 (canvas)SpaceXAI1334 ±123113N/AN/A5-mai-image-2.6Microsoft AI1332 ±525091N/AN/A6-gemini-nano-banana-2.1Google1328 ±95310$1.5 / $7.565.5K7-reve-2.1Reve1302 ±88249N/AN/A8-grok-imagine-image-2.0 (20260801)SpaceXAI1294 ±614483N/AN/A9-muse-imageMeta1274 ±542262N/AN/A10-reve-2.0Reve1269 ±615773N/AN/A— 以下为 Top 10 外的国产模型 —12-seedream-5.0-proBytedance1255 ±494181N/AN/A13-qwen-image-3.0-proAlibaba1255 ±611440N/AN/A19-qwen-image-2.1Alibaba1223 ±711441N/AN/A21-qwen-image-2.0-pro-2026-06-22Alibaba1192 ±613096N/AN/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。

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-flashGoogle1516 ±151784$1.5 / $9N/A2-gemini-omni-flashGoogle1513 ±926576N/AN/A3-flux-3-videoBlack Forest Labs1493 ±171302N/AN/A4-grok-imagine-video-1.5-agentSpaceXAI1492 ±181218N/AN/A5-dreamina-seedance-2.0-720pBytedance1479 ±856318N/AN/A6-wan3.0Alibaba1476 ±132598N/AN/A7-dreamina-seedance-2.5-720pBytedance1474 ±98001N/AN/A8-minimax-h3MiniMax1460 ±911417N/AN/A9-muse-videoMeta1456 ±152188N/AN/A10-happyhorse-1.0Alibaba-ATH1427 ±1322264N/AN/A— 以下为 Top 10 外的国产模型 —20-wan2.7-t2vAlibaba1337 ±727626N/AN/A21-wan2.6-t2vAlibaba1327 ±754050N/AN/A22-seedance-v1.5-proBytedance1256 ±776171N/AN/A25-wan2.5-t2v-previewAlibaba1245 ±936378N/AN/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。