Arena 公布新一轮 AI 大模型周榜：Claude Opus 5.5 Max 首登智能体榜首，国产多模型稳定中上游

IT之家 10 月 12 日消息，Arena（ arena.ai ）平台发布 2026 年第 41 周 AI 大模型排行榜，覆盖时间为 2026-10-05 ~ 2026-10-11。本期榜单中，Anthropic 全新 Claude Opus 5.5 Max 首次入榜智能体榜即夺得第一；国产模型 kimi-k3-max 稳居综合榜前 20，qwen3.8-max 等多款国产模型保持稳定排名，整体处于中上游梯队。 IT之家注 ：本榜单基于 Arena（ arena.ai ）平台匿名盲测投票，通过 ELO（智能体榜为百分比信号）计算排名，反映用户主观偏好而非绝对能力测试；不同分榜相互独立，不宜跨榜比较，分差在误差范围内均视为并列，新模型也需积累一定投票量后才会正式入榜。 综合榜 本周综合榜头部格局相对稳定，gemini-4-argon-high 继续占据榜首位置，ELO 分数保持 1525 分。Anthropic 多款模型占据前四席位，claude-opus-5.5-high 上升 2 位至第二，ELO 分数 1507 分，与榜首仍有差距，但分差在 30 分范围内，与第三名 claude-opus-4-6-high 视为误差范围内接近。本期新增 gpt-5.5 和 gemini-3.5-flash-medium 两款模型，分别排名第 29 和第 30 位，ELO 分数分别为 1477 和 1476 分。 国产模型整体处于中上游位置，梯队相对稳定： 月之暗面 kimi-k3-max 排名最高，位列第 16 名，ELO 1488 分，排名持平； 阿里 qwen3.8-max 位列第 22 名，ELO 1483 分，较上周上升 1 位； 小米 mimo-v2.6-pro 位列第 26 名，ELO 1480 分，排名持平； 智谱 glm-5.3-max 位列第 27 名，ELO 1478 分，排名持平。 排名 较上周 模型 厂商 分数 (±CI) 票数 价格 ($/M) 输入 / 输出 上下文 1 - gemini-4-argon-high Google 1525 ±9 4892 $2 / $10 1M 2 ↑ 2 claude-opus-5.5-high Anthropic 1507 ±8 6272 $4 / $20 1M 3 ↓ 1 claude-opus-4-6-high Anthropic 1504 ±3 79415 $5 / $25 1M 4 ↓ 1 claude-fable-5-high Anthropic 1504 ±4 40026 $10 / $50 1M 5 - claude-opus-4-7-high Anthropic 1501 ±4 65192 $5 / $25 1M 6 - claude-fable-5.1-max Anthropic 1501 ±6 13063 $10 / $50 1M 7 - claude-opus-4-6 Anthropic 1498 ±3 84095 $5 / $25 1M 8 - gemini-3.8-flash-high Google 1497 ±5 31437 $0.75 / $3.75 1.05M 9 - muse-spark-1.3-max Meta 1494 ±6 14694 $1.25 / $4.25 1M 10 - claude-opus-4-7 Anthropic 1494 ±4 66315 $5 / $25 1M — 以下为 Top 10 外的国产模型 — 16 - kimi-k3-max Moonshot 1488 ±5 30351 N/A N/A 22 ↑ 1 qwen3.8-max Alibaba 1483 ±5 25378 $2 / $6 1M 26 - mimo-v2.6-pro Xiaomi 1480 ±9 4069 $0.44 / $0.87 1.05M 27 - glm-5.3-max Z.ai 1478 ±5 20049 $1.4 / $4.4 1.05M 代码榜 本周代码榜 gemini-4-argon-high 继续稳坐榜首，ELO 分数微涨 2 分至 1562 分。Anthropic 模型排名变动显著，claude-opus-5.5-high 大幅上升 7 位，冲进前五，ELO 分数达到 1550 分，与第二名 claude-fable-5-high（ 1551 分）仅 1 分差距，视为统计并列。智谱 glm-5.3-flash 上升 2 位至第 27 名，ELO 1525 分，成为国产模型中排名最高者。本期新增 claude-opus-4-5-20251101 模型，首秀排名第 30 位，ELO 1523 分。 国产模型在代码榜具体表现如下： 月之暗面 kimi-k3-max 位列第 10 名，ELO 1540 分，较上周下降 1 位； 小米 mimo-v2.6-pro 位列第 11 名，ELO 1539 分，较上周下降 1 位； 深度求索 deepseek-v4.1-flash-max 位列第 26 名，ELO 1528 分，排名持平； 智谱 glm-5.3-flash 位列第 27 名，ELO 1525 分，较上周上升 2 位； 阿里 qwen3.8-max 位列第 29 名，ELO 1524 分，较上周下降 1 位。 排名 较上周 模型 厂商 分数 (±CI) 票数 价格 ($/M) 输入 / 输出 上下文 1 - gemini-4-argon-high Google 1562 ±17 1233 $2 / $10 1M 2 - claude-fable-5-high Anthropic 1551 ±7 10404 $10 / $50 1M 3 ↑ 1 claude-opus-4-7-high Anthropic 1550 ±6 18591 $5 / $25 1M 4 ↓ 1 claude-opus-4-6-high Anthropic 1550 ±6 20617 $5 / $25 1M 5 ↑ 7 claude-opus-5.5-high Anthropic 1550 ±16 1444 $4 / $20 1M 6 ↓ 1 claude-opus-4-6 Anthropic 1548 ±5 23351 $5 / $25 1M 7 ↓ 1 claude-opus-4-7 Anthropic 1546 ±6 18816 $5 / $25 1M 8 - gpt-6.1-sol-max OpenAI 1545 ±20 911 $2 / $10 1.05M 9 ↓ 2 gpt-6-astra-max OpenAI 1542 ±12 2424 N/A N/A 10 ↓ 1 kimi-k3-max Moonshot 1540 ±7 7775 N/A N/A — 以下为 Top 10 外的国产模型 — 11 ↓ 1 mimo-v2.6-pro Xiaomi 1539 ±18 1107 $0.44 / $0.87 1.05M 26 - deepseek-v4.1-flash-max DeepSeek 1528 ±11 3026 $0.3 / $1.2 1M 27 ↑ 2 glm-5.3-flash Z.ai 1525 ±8 7267 $0.06 / $0.2 1.05M 28 ↓ 1 qwen3.7-max-preview Alibaba 1524 ±18 1165 $1.48 / $4.43 1M 29 ↓ 1 qwen3.8-max Alibaba 1524 ±8 7077 $2 / $6 1M 前端开发榜 前端开发榜头部格局稳定，claude-opus-5.5-max 继续排名第一，ELO 1813 分，领先优势明显。国产模型中，小米 mimo-v2.6-flash 本周新入榜，排名第 16 位，ELO 1637 分； mimo-v2.6-pro 则上升 5 位至第 19 名，ELO 1629 分，表现亮眼。阿里 qwen3.8-max-0902 上升 1 位至第 10，qwen3.8-max 位列第 11，两款模型均进入前 15，显示国产前端开发能力持续进步。 排名 较上周 模型 厂商 分数 (±CI) 票数 价格 ($/M) 输入 / 输出 上下文 1 - claude-opus-5.5-max Anthropic 1813 ±15 2294 $4 / $20 1M 2 - gpt-6-astra-max OpenAI 1786 ±11 5189 $10 / $50 1.05M 3 - claude-sonnet-5.5-xhigh Anthropic 1774 ±15 2323 $2 / $10 1M 4 - gpt-6.1-sol-max OpenAI 1755 ±15 2102 $2 / $10 1.05M 5 - claude-fable-5.1-max Anthropic 1744 ±9 6663 $10 / $50 1M 6 - claude-sonnet-5.5-high Anthropic 1715 ±11 3984 $2 / $10 1M 7 - claude-opus-5-max Anthropic 1691 ±6 17320 $5 / $25 1M 8 - gpt-6-sol-max OpenAI 1688 ±12 3407 $2 / $10 1.05M 9 - gemini-4-argon-high Google 1678 ±15 1771 $2 / $10 1M 10 ↑ 1 qwen3.8-max-0902 Alibaba 1674 ±8 11182 $2 / $6 N/A — 以下为 Top 10 外的国产模型 — 11 ↓ 1 qwen3.8-max Alibaba 1672 ±12 3446 $2 / $6 1M 14 ↓ 1 kimi-k3-max Moonshot 1654 ±6 17412 $3 / $15 1.05M 16 新上榜 mimo-v2.6-flash Xiaomi 1637 ±10 4058 $0.14 / $0.28 1.05M 17 ↓ 1 qwen3.8-flash-next Alibaba 1633 ±8 6932 $0.16 / $0.47 1M 18 ↓ 1 hy4-preview Tencent 1632 ±10 4792 $0.83 / $2.5 1.05M 22 ↓ 2 glm-5.3-max Z.ai 1622 ±8 8382 $1.4 / $4.4 1.05M 23 ↓ 2 deepseek-v4.1-flash-max DeepSeek 1619 ±11 3542 $0.3 / $1.2 1M 26 ↓ 1 glm-5.3-flash Z.ai 1609 ±7 13697 $0.06 / $0.2 1.05M 27 ↓ 1 glm-5.2-max Z.ai 1603 ±6 15351 $1.4 / $4.4 1M 28 - qwen3.8-27b Alibaba 1593 ±7 13777 $0.4 / $3 N/A 智能体榜 智能体榜本期迎来重磅变化，Anthropic Claude Opus 5.5 (Max) 新入榜即凭借 15.53% 的净提升度登顶榜首，任务确认成功率达到 17.29%，工具幻觉率仅 0.37%，各项信号表现均处于头部水平。Claude Opus 5.5 (High) 守住第二位置，净提升度 14.33%，GPT 6 Astra (Max) 上升 1 位至第三。Gemini 4 Argon (High) 上升 2 位至第八，其工具幻觉率仅 0.18%，是当前头部模型中工具幻觉率最低的模型。 国产模型在智能体榜整体处于第二梯队，具体表现： 深度求索 Deepseek V4.1 Flash (Max) 排名第 17，净提升度 3.80%，任务确认成功率 7.44%，排名持平； 月之暗面 Kimi K3 (Max) 排名第 18，净提升度 3.78%，任务确认成功率 6.46%，较上周下降 4 位； 腾讯 Hy4 preview 排名第 19，净提升度 3.61%，任务确认成功率 5.96%，排名持平； 小米 MiMo V2.6 Pro 排名第 20，净提升度 3.52%，任务确认成功率 8.03%，较上周上升 1 位； 阿里 Qwen3.8 Max 排名第 24，净提升度 2.35%，任务确认成功率 5.09%，较上周下降 1 位。 排名 较上周 模型 厂商 净提升度 (±CI) 任务确认成功率 好评 / 差评比 可控性 1 新上榜 Claude Opus 5.5 (Max) Anthropic 15.53% ±4.63% 17.29% ±6.02% 36.78% ±20.55% 8.2% ±4.06% 2 - Claude Opus 5.5 (High) Anthropic 14.33% ±2.18% 13.93% ±3.84% 33.69% ±9.12% 9.98% ±2.12% 3 ↑ 1 GPT 6 Astra (Max) OpenAI 13.09% ±2.37% 12.13% ±3.88% 38.54% ±9.96% 8.85% ±2.5% 4 ↓ 3 Claude Fable 5.1 (Max) Anthropic 12.66% ±2.05% 16.19% ±2.96% 26.22% ±7.98% 8.84% ±3.12% 5 ↓ 2 Claude Sonnet 5.5 (Max) Anthropic 11.95% ±3.31% 15.83% ±5.06% 23.37% ±14.09% 5.1% ±3.33% 6 ↓ 1 GPT 6.1 Sol (Max) OpenAI 11.72% ±3.05% 14.74% ±4.18% 30.32% ±12.99% 8.52% ±3.07% 7 ↓ 1 GPT 6 Sol (Max) OpenAI 9.92% ±2.38% 6.97% ±4.34% 23.55% ±9.64% 11.92% ±2.02% 8 ↑ 2 Gemini 4 Argon (High) Google 9.26% ±2.36% 15.64% ±3.26% 40.6%…

资讯由采集器定时从公开的机器人 / AI 信息源自动聚合。