大模型排行榜 · AI 模型榜单

一页聚合主流 AI 基准与榜单——arena.ai 竞技场 Elo、Artificial Analysis 智能指数与语音竞技场、OpenRouter 用量——覆盖对话、代码、TTS、语音识别、图片、视频与智能体。

排名模型厂商Elo ?票数 ?输入 ?输出缓存 ?
1OpenAIgpt-image-2.5-sunburstOpenAI1524 ±559,825———
2OpenAIgpt-image-2.5-flareOpenAI1481 ±557,408———
3OpenAIgpt-image-2 (medium)OpenAI1462 ±3305,825———
4SpaceXAIgrok-imagine-image-2.0 (canvas)SpaceXAI1439 ±911,589———
5Microsoft AImai-image-2.6Microsoft AI1428 ±551,384———
6Googlegemini-nano-banana-2.1Google1428 ±612,9851.507.50—
7SpaceXAIgrok-imagine-image-2.0 (20260801)SpaceXAI1425 ±550,427———
8Metamuse-imageMeta1403 ±4142,644———
9Microsoft AImai-image-2.5Microsoft AI1401 ±4190,081———
10Bytedanceseedream-5.0-proBytedance1394 ±3282,865———
11SpaceXAIgrok-imagine-image-quality (20260519)SpaceXAI1391 ±638,195———
12Googlegemini-3-pro-image-2k (nano-banana-pro)Google1390 ±3651,674———
13OpenAIchatgpt-image-latest-high-fidelity (20251216)OpenAI1389 ±3629,464———
14Googlegemini-3.1-flash-image (nano-banana-2) [web-search]Google1387 ±3229,7820.5003.00—
15Googlegemini-3-pro-image-preview (nano-banana-pro)Google1386 ±3540,7752.0012.00.200
16Revereve-2.1Reve1374 ±620,792———
17OpenAIgpt-image-1.5-high-fidelityOpenAI1370 ±3654,249———
18Alibabaqwen-image-2.1Alibaba1369 ±621,941———
19Revereve-2.0Reve1359 ±619,265———
20Ideogramideogram-4.5Ideogram1347 ±519,318———
21Luma AIuni-1.1-maxLuma AI1334 ±543,446———
22SpaceXAIgrok-imagine-imageSpaceXAI1329 ±2756,681———
23Luma AIuni-1.1Luma AI1315 ±3188,834———
24Googlegemini-3.1-flash-lite-image (nano-banana-2-lite)Google1314 ±565,6690.2501.50—
25Alibabaqwen-image-2.0-pro-2026-06-22Alibaba1303 ±556,723———
26Tencenthunyuan-image-3.0-instructTencent1303 ±3331,423———
27Alibabawan2.7-image-proAlibaba1303 ±443,974———
28Bytedanceseedream-4.5Bytedance1302 ±21,294,217———
29Alibabawan2.7-imageAlibaba1301 ±444,796———
30Bytedanceseedream-5.0-liteBytedance1294 ±3459,744———
31Googlegemini-2.5-flash-image-preview (nano-banana)Google1293 ±211,383,4350.3002.500.030
32Bytedanceseedream-4-2kBytedance1270 ±7210,059———
33Revereve-v1.1Reve1262 ±3672,625———
34Black Forest Labsflux-2-maxBlack Forest Labs1262 ±3375,861———
35KlingAIkling-image-o1KlingAI1251 ±4143,639———
36Black Forest Labsflux-2-proBlack Forest Labs1245 ±3637,986———
37Alibabaqwen-image-editAlibaba1242 ±32,021,952———
38Revereve-v1Reve1235 ±5395,313———
39Alibabaqwen-image-edit-2511Alibaba1234 ±3485,078———
40Alibabawan2.6-imageAlibaba1231 ±3677,385———
41Black Forest Labsflux-2-flexBlack Forest Labs1225 ±3443,912———
42Black Forest Labsflux-2-klein-9bBlack Forest Labs1225 ±3540,742———
43Black Forest Labsflux-2-devBlack Forest Labs1225 ±4254,281———
44Bytedanceseedream-4-high-res-falBytedance1217 ±31,229,850———
45?p-image-edit—1211 ±3359,880———
46Bytedanceseedream-4-falBytedance1210 ±6152,113———
47Revereve-v1.1-fastReve1207 ±3553,317———
48Revereve-edit-fastReve1198 ±4230,283———
49Black Forest Labsflux-2-klein-4bBlack Forest Labs1187 ±3541,304———
50Alibabawan2.5-i2i-previewAlibaba1181 ±3723,697———
51Black Forest Labsflux-1-kontext-maxBlack Forest Labs1181 ±3390,852———
52Black Forest Labsflux-1-kontext-proBlack Forest Labs1176 ±36,404,567———
53Black Forest Labsflux-1-kontext-devBlack Forest Labs1149 ±33,639,808———
54Bytedanceseededit-3.0Bytedance1139 ±34,918,008———
55OpenAIgpt-image-1OpenAI1139 ±32,869,941———
56OpenAIgpt-image-1-miniOpenAI1124 ±3682,914———
57Googlegemini-2.0-flash-preview-image-generationGoogle1081 ±24,942,834———
58BytedancebagelBytedance1027 ±613,488———
59StepFunstep1x-editStepFun998 ±4155,418———

数据来源: arena.ai · 更新于 Oct 6, 2026 · PandaNpc 更新于 2026年10月13日 UTC 06:00查看完整榜单 →

指标怎么读

大模型排行榜告诉你「人更喜欢谁」,AI 基准测试告诉你「它客观上能做什么」,用量数据告诉你「开发者真的在用谁」。没有哪一张榜能单独回答「最好的 AI 模型是哪个」,所以这一页把三类都聚合进来——arena.ai 竞技场 Elo、Artificial Analysis 智能指数与语音竞技场、OpenRouter token 占比——并每日刷新。

arena.ai(原 LMArena)让用户在不知道模型身份的情况下对同一问题的两份回答二选一,再用 Elo 算法推算等级分。它衡量的是「人更喜欢哪个」,不等同于客观能力——擅长讨人喜欢的风格会占优,而严谨但啰嗦的回答可能吃亏。

票数是该模型累计参与的对战场次。新模型刚上榜时票数少、置信区间宽,排名容易波动,看排名时应连同 ± 区间一起判断。

Agent 能力榜的口径与其他榜不同:它统计的是真实 Agent 会话,而非盲投偏好。主指标「净改进」是百分比形式的提升幅度,与 Elo 不在同一量纲,不能跨榜比较。arena.ai 还给出确认成功率、可引导性、Bash 恢复等五个维度,可在完整榜单查看。

用量热度榜来自 OpenRouter,统计的是真实 API 调用的 token 份额,代表开发者用脚投票的结果,与主观偏好榜互为补充。

语音榜来自 Artificial Analysis:TTS 采用人类盲听的 Speech Arena Elo;ASR 采用 AA-WER v2,数值越低越好;原生语音对语音榜则等权综合 Big Bench Audio、Full Duplex Bench 和 τ-Voice,数值越高越好。不同榜的分数不能横向比较。来源 artificialanalysis.ai。

智能指数榜来自 Artificial Analysis:把多项公开基准测试综合成一个 0-100 的 Intelligence Index,衡量的是客观能力而非主观偏好,正好与 arena.ai 的人类盲投互补。数据来源 artificialanalysis.ai。