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	Elo ?	投票數 ?	Input ?	Output	Cache ?
1	claude-opus-5-max	Anthropic	1691 ±9	8,116	5.00	25.0	0.500
2	kimi-k3-max	Moonshot	1674 ±11	4,546	3.00	15.0	0.300
3	qwen3.8-max	Alibaba	1669 ±13	3,212	2.00	6.00	0.250
4	claude-opus-5-high	Anthropic	1663 ±8	8,659	5.00	25.0	0.500
5	grok-4.6-high	SpaceXAI	1629 ±17	1,523	2.00	6.00	0.500
6	claude-fable-5	Anthropic	1626 ±8	8,382	10.0	50.0	1.00
7	gpt-5.6-sol-xhigh (codex-harness)	OpenAI	1619 ±8	9,499	2.00	10.0	0.200
8	glm-5.3-max	Z.ai	1599 ±15	1,916	1.40	4.40	0.260
9	qwen3.8-27b	Alibaba	1595 ±13	2,464	0.425	2.55	0.085
10	gemini-3.7-flash-high	Google	1587 ±13	2,552	0.750	3.75	0.075
11	glm-5.2-max	Z.ai	1582 ±8	8,775	1.19	3.74	0.221
12	deepseek-v4-pro-high-20260813	DeepSeek	1582 ±12	2,869	0.660	1.98	0.022
13	deepseek-v4-flash-high	DeepSeek	1579 ±11	3,537	0.030	0.100	0.0070
14	claude-opus-4-8-high	Anthropic	1563 ±7	11,699	5.00	25.0	0.500
15	claude-opus-4-7	Anthropic	1558 ±6	14,527	5.00	25.0	0.500

來源: arena.ai · 更新 Aug 21, 2026 · PandaNpc 更新 2026年8月29日 06:00 [UTC]查看完整排行榜 →

數字解讀

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。