AI 模型榜单

多来源 AI 模型排行——覆盖对话、语音/TTS/ASR、代码、图片、视频与智能体，来源 arena.ai、OpenRouter 和 Artificial Analysis。

排名	模型	厂商	用量占比 ?	Tokens ?	输入 ?	输出	缓存 ?
1	gpt-5.6-luna-20260709	OpenAI	11.9%	1.7T	0.200	1.20	0.020
2	deepseek-v4-flash-20260731	DeepSeek	11.3%	1.6T	0.030	0.100	0.0070
3	mimo-v2.5-20260422	Xiaomi	11.1%	1.6T	0.140	0.280	0.0028
4	glm-5.3-flash-20260826	Zhipu	10.9%	1.6T	0.075	0.250	0.015
5	hy3-20260706	Tencent	6.8%	963.0B	0.132	0.528	0.033
6	nemotron-3-ultra-550b-a55b-20260604	Nvidia	5.3%	750.2B	0.500	2.20	0.100
7	deepseek-v4-flash-20260423	DeepSeek	5%	711.5B	0.030	0.100	0.0070
8	minimax-m3-20260531	MiniMax	4.2%	605.1B	0.300	1.20	0.060
9	hy4-preview-20260827	Tencent	2.6%	363.8B	0.834	2.50	0.042
10	gemini-3.7-flash-20260813	Google	2.5%	353.6B	0.750	3.75	0.075
11	glm-5.2-20260616	Zhipu	2.4%	338.1B	1.19	3.74	0.221
12	gpt-5.6-sol-20260709	OpenAI	1.7%	248.2B	2.00	10.0	0.200
13	deepseek-v4-pro-20260423	DeepSeek	1.6%	233.3B	0.660	1.98	0.022
14	kimi-k3-20260715	Moonshot	1.6%	226.0B	3.00	15.0	0.300
15	claude-opus-5-20260723	Anthropic	1.5%	220.7B	5.00	25.0	0.500

数据来源: OpenRouter · 更新于 2026-08-28 · PandaNpc 更新于 2026年8月29日 UTC 06:00查看完整榜单 →

指标怎么读

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。