AI 模型排行榜
涵蓋聊天、語音、TTS、ASR、程式碼、圖像、影片及代理的多來源 AI 排名 — 來自 arena.ai、OpenRouter 和 Artificial Analysis。
| 排名 | 模型 | 供應商 | 淨改進 ? | 會話 ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Fable 5.1 (Max) | Anthropic | 14.31% ±1.9 | 15,130 | 10.0 | 50.0 | 0.250 |
| 2 | Claude Opus 5.5 (High) | Anthropic | 13.82% ±2.17 | 5,359 | 4.00 | 20.0 | 0.200 |
| 3 | Claude Sonnet 5.5 (Max) | Anthropic | 12.52% ±3.09 | 5,219 | 2.00 | 10.0 | 0.100 |
| 4 |  GPT 6 Astra (Max) | OpenAI | 12.27% ±2.23 | 11,717 | 10.0 | 50.0 | 1.00 |
| 5 | GPT 6.1 Sol (Max) | OpenAI | 11.23% ±2.76 | 6,278 | 2.00 | 10.0 | 0.100 |
| 6 | GPT 6 Sol (Max) | OpenAI | 9.71% ±2.37 | 6,106 | 2.00 | 10.0 | 0.200 |
| 7 | Claude Opus 5 (High) | Anthropic | 8.67% ±1.41 | 27,560 | 5.00 | 25.0 | 0.500 |
| 8 | Claude Fable 5 (High) | Anthropic | 8.21% ±1.22 | 41,832 | 10.0 | 50.0 | 1.00 |
| 9 | Claude Opus 5 (Max) | Anthropic | 7.92% ±1.47 | 22,781 | 5.00 | 25.0 | 0.500 |
| 10 |  Gemini 4 Argon (High) | 7.57% ±1.93 | 10,030 | — | — | — |
來源: arena.ai · 更新 Oct 2, 2026 · PandaNpc 更新 2026年10月13日 06:00 [UTC]查看完整排行榜 →
數字解讀
大模型排行榜告訴你「人更喜歡誰」，AI 基準測試告訴你「它客觀上能做甚麼」，用量數據告訴你「開發者真的在用誰」。沒有哪一張榜能單獨回答「最好的 AI 模型是哪個」，所以這一頁把三類都聚合進來——arena.ai 競技場 Elo、Artificial Analysis 智能指數與語音競技場、OpenRouter token 佔比——並每日刷新。
arena.ai（前稱LMArena）會向用戶展示同一提示的兩個匿名回答，要求他們選擇其一，然後從這些對戰中得出Elo評分。它衡量的是人們偏好哪個回答——而非客觀能力。討喜的風格可能勝出，而嚴謹但冗長的回答則可能落敗。
票數代表模型累積的對戰次數。新上架的模型票數較少，信賴區間較寬，因此排名容易波動——閱讀排名時請務必連同±區間一併參考。
Agent 排行榜的運作方式與其他排行榜不同：它衡量的是真實的智能體工作階段，而非盲目投票偏好。其首要指標 Net Improvement 是百分比增益——而非 Elo 評分——因此無法跨排行榜比較。arena.ai 在完整排行榜上還報告另外五個維度（Confirmed Success、Steerability、Bash Recovery 等）。
使用量排行榜來自OpenRouter，計算真實的API Token佔有率——開發者以實際投入投票，與主觀偏好排行榜互補。
語音排行榜來自 Artificial Analysis：TTS 採用盲聽 Speech Arena Elo；ASR 採用 AA-WER v2，數值越低越好；原生 Speech-to-Speech 則採用 Big Bench Audio、Full Duplex Bench 及 τ-Voice 的等權綜合分數，數值越高越好。請只在同一排行榜內比較分數。來源：artificialanalysis.ai。
Intelligence Index 排行榜來自 Artificial Analysis：它將多個公開基準濃縮為單一 0-100 的 Intelligence Index，衡量客觀能力而非主觀偏好——是 arena.ai 人類盲投票的自然補充。來源：artificialanalysis.ai。