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 | Elo ? | 票数 ? |
|---|---|---|---|---|
| 1 |  gemini-omni-flash | 1512 ±11 | 16,916 | |
| 2 |  flux-3-video | Black Forest Labs | 1494 ±17 | 1,291 |
| 3 |  dreamina-seedance-2.0-720p | Bytedance | 1482 ±10 | 49,058 |
| 4 | dreamina-seedance-2.5-720p | Bytedance | 1477 ±19 | 1,337 |
| 5 |  muse-video | Meta | 1457 ±15 | 2,176 |
| 6 |  minimax-h3 | MiniMax | 1453 ±13 | 3,081 |
| 7 |  happyhorse-1.0 | Alibaba-ATH | 1428 ±13 | 22,113 |
| 8 |  sora-2-pro | OpenAI | 1364 ±7 | 46,509 |
| 9 | veo-3.1-audio | 1364 ±14 | 13,743 | |
| 10 | veo-3.1-audio-1080p | 1363 ±10 | 24,979 | |
| 11 | veo-3.1-fast-audio | 1361 ±10 | 39,441 | |
| 12 | veo-3.1-fast-audio-1080p | 1358 ±10 | 25,771 | |
| 13 | veo-3-fast-audio | 1347 ±11 | 25,219 | |
| 14 |  grok-imagine-video-720p | SpaceXAI | 1345 ±7 | 154,827 |
| 15 | wan2.7-t2v | Alibaba | 1344 ±9 | 17,769 |
数据来源: arena.ai · 更新于 Aug 14, 2026 · 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。