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-5.5-max | Anthropic | 1814 ±16 | 2,229 | 4.00 | 20.0 | 0.200 |
| 2 |  gpt-6-astra-max | OpenAI | 1788 ±11 | 5,057 | 10.0 | 50.0 | 1.00 |
| 3 | claude-sonnet-5.5-xhigh | Anthropic | 1773 ±15 | 2,150 | 2.00 | 10.0 | 0.100 |
| 4 | gpt-6.1-sol-max | OpenAI | 1757 ±15 | 1,965 | 2.00 | 10.0 | 0.100 |
| 5 | claude-fable-5.1-max | Anthropic | 1745 ±9 | 6,521 | 10.0 | 50.0 | 0.250 |
| 6 | claude-sonnet-5.5-high | Anthropic | 1716 ±11 | 3,787 | 2.00 | 10.0 | 0.100 |
| 7 | claude-opus-5-max | Anthropic | 1692 ±6 | 17,162 | 5.00 | 25.0 | 0.500 |
| 8 | gpt-6-sol-max | OpenAI | 1687 ±12 | 3,221 | 2.00 | 10.0 | 0.200 |
| 9 |  gemini-4-argon-high | 1678 ±15 | 1,772 | — | — | — | |
| 10 |  qwen3.8-max | Alibaba | 1672 ±12 | 3,450 | 2.00 | 6.00 | 0.250 |
| 11 | qwen3.8-max-0902 | Alibaba | 1672 ±8 | 10,549 | 2.00 | 6.00 | 0.250 |
| 12 | claude-opus-5-high | Anthropic | 1658 ±6 | 21,992 | 5.00 | 25.0 | 0.500 |
| 13 |  muse-spark-1.3-max | Meta | 1656 ±8 | 7,678 | 1.25 | 4.25 | 0.150 |
| 14 |  kimi-k3-max | Moonshot | 1655 ±6 | 17,061 | 0.730 | 13.5 | 0.550 |
| 15 |  grok-4.7-xhigh | SpaceXAI | 1638 ±11 | 3,734 | 2.00 | 6.00 | 0.500 |
| 16 |  mimo-v2.6-flash | Xiaomi | 1636 ±11 | 3,851 | 0.140 | 0.280 | 0.0028 |
| 17 | qwen3.8-flash-next | Alibaba | 1632 ±9 | 6,711 | — | — | — |
| 18 |  hy4-preview | Tencent | 1632 ±10 | 4,798 | 0.834 | 2.50 | 0.042 |
| 19 | mimo-v2.6-pro | Xiaomi | 1630 ±11 | 3,415 | 0.435 | 0.870 | 0.0036 |
| 20 | muse-spark-1.3 (xHigh) | Meta | 1626 ±8 | 6,901 | 1.25 | 4.25 | 0.150 |
來源: arena.ai · 更新 Oct 7, 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。