算力资讯
算力资讯技术进展

Arena公布2026年第42周AI大模型周榜:国产模型多领域站稳中上游,kimi-k3-max杀入代码榜前十

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。

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 - claude-opus-5.5-high Anthropic 1507 ±8 6272 $4/$20 1M 3 - claude-opus-4-6-high Anthropic 1504 ±3 79415 $5/$25 1M 4 - 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 - 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。

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 - claude-opus-4-7-high Anthropic 1550 ±6 18591 $5/$25 1M 4 - claude-opus-4-6-high Anthropic 1550 ±6 20617 $5/$25 1M 5 - claude-opus-5.5-high Anthropic 1550 ±16 1444 $4/$20 1M 6 - claude-opus-4-6 Anthropic 1548 ±5 23351 $5/$25 1M 7 - 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 - gpt-6-astra-max OpenAI 1542 ±12 2424 N/A N/A 10 - kimi-k3-max Moonshot 1540 ±7 7775 N/A 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。

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 - 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。

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) Anthropic 15.53% ±4.63% 17.29% ±6.02% 36.78% ±20.55% 8.2% ±4.06% 2 ↑ 1 GPT 6 Astra (Max) OpenAI 13.09% ±2.37% 12.13% ±3.88% 38.54% ±9.96% 8.85% ±2.5% 3 ↑ 1 Claude Fable 5.1 (Max) Anthropic 12.66% ±2.05% 16.19% ±2.96% 26.22% ±7.98% 8.84% ±3.12% 4 ↑ 1 Claude Sonnet 5.5 (Max) Anthropic 11.95% ±3.31% 15.83% ±5.06% 23.37% ±14.09% 5.1% ±3.33% 5 ↑ 1 GPT 6.1 Sol (Max) OpenAI 11.72% ±3.05% 14.74% ±4.18% 30.32% ±12.99% 8.52% ±3.07% 6 ↑ 1 GPT 6 Sol (Max) OpenAI 9.92% ±2.38% 6.97% ±4.34% 23.55% ±9.64% 11.92% ±2.02% 7 ↑ 1 Gemini 4 Argon (High) Google 9.26% ±2.36% 15.64% ±3.26% 40.6% ±9.56% 11.64% ±2.1% 8 ↑ 1 Claude Fable 5 (High) Anthropic 8.94% ±1.27% 5.79% ±2.6% 19.34% ±4.8% 9.49% ±1.39% 9 ↑ 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。

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 - grok-imagine-image-2.0

(canvas) SpaceXAI 1334 ±12 3113 N/A N/A 5 - mai-image-2.6 Microsoft AI 1332 ±5 25091 N/A N/A 6 - gemini-nano-banana-2.1 Google 1328 ±9 5310 $1.5/$7.5 65.5K 7 - reve-2.1 Reve 1302 ±8 8249 N/A N/A 8 - grok-imagine-image-2.0

(20260801) SpaceXAI 1294 ±6 14483 N/A N/A 9 - muse-image Meta 1274 ±5 42262 N/A N/A 10 - reve-2.0 Reve 1269 ±6 15773 N/A N/A — 以下为Top 10外的国产模型 — 12 - seedream-5.0-pro Bytedance 1255 ±4 94181 N/A N/A 13 - qwen-image-3.0-pro Alibaba 1255 ±6 11440 N/A N/A 19 - qwen-image-2.1 Alibaba 1223 ±7 11441 N/A N/A 21 - 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-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 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。

转载说明引用来源:IT之家引用网址:https://www.ithome.com/1/014/865.htm