谷歌Gemini 4 Carbon首秀登顶大模型盲测榜,国产模型视频榜稳居前五
国产模型方面,前端开发榜上月之暗面 kimi k3.1 pro (Max) 首次杀入第 12 名,成为榜单中排名最高的国产模型;
Arena(arena.ai)公布了2026年第46周大模型盲测投票榜单,统计区间为2026年11月9日至11月15日。
本周最受关注的是谷歌:新模型
Gemini 4 Carbon (High)首次亮相就拿下1526分,坐上综合榜头名;同家族的Gemini 4 Argon (High)以1522分排在其后。两个分数只差4分,落在误差范围内,按并列第一看待。
国内厂商这边,前端开发榜上月之暗面的kimi k3.1 pro (Max)头一回闯进第12名,是榜单里名次最高的国产模型。AI视频榜上,字节跳动的dreamina seedance 2.0和2.5分列第6、第7,阿里的wan 3.0排第8,国产阵营在视频生成这条赛道上已经稳在第一梯队。
把几个分榜放在一起看,本周的态势是:谷歌新模型抢下头名,Anthropic守着智能体和前端两块阵地,国产模型则继续在多模态方向渗透。
需要说明的是,该榜单来自Arena(arena.ai)平台的匿名盲测投票,排名用ELO计算(智能体榜用的是百分比信号),体现的是用户主观偏好,不是绝对能力测试。各分榜彼此独立,不宜拿来跨榜对比;分差落在误差范围内都算并列,新模型也要攒够一定票数才会正式入榜。
综合榜
综合榜本周变化不小。谷歌新推出的Gemini 4
Carbon (High)以1526分空降榜首,同家族的老型号Gemini 4 Argon (High)以1522分排第2,两者只差4分,在置信区间内算作并列头部。Meta的Muse Wonder (Max)以1511分居第3,Anthropic的Claude Opus 5.5 (High)以1507分居第4。
Top 8里Anthropic一家占了5席,分别是Claude Opus 5.5、Claude Fable 5、Claude Opus 4.6、Claude Fable 5.1和Claude Opus 4.7,家族式占位的特征很明显,不过分数咬得很紧,差距都在6分以内。Claude Opus 4.8 (High)以1482分排在第27名,是Anthropic阵营里名次掉得最厉害的一个型号,被好几款同梯队模型超了过去。
国产模型在综合榜上大多处在中游,离头部还有40分左右的差距。
月之暗面Kimi K3.1 Pro (Max)名次最高,排第24名,ELO 1485分。
月之暗面Kimi K3 (Max)排第20名,ELO 1487分。
阿里Qwen 3.8 Max排第25名,ELO 1484分。
智谱GLM 5.3 (Max)排第28名,ELO 1482分。
| 排名 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 |
上下文 |
|---|---|---|---|---|---|---|
| 1 | Gemini 4 Carbon (High) | 1526 ±10 | 4273 | $$2 / $10 | N/A | |
| 2 | Gemini 4 Argon (High) | 1522 ±5 | 20779 | $$2 / $10 | 1M | |
| 3 | Muse Wonder (Max) | Meta | 1511 ±6 | 12696 | $$4 / $20 | 1M |
| 4 | Claude Opus 5.5 (High) | Anthropic | 1507 ±6 | 15793 | $$4 / $20 | 1M |
| 5 | Claude Fable 5 (High) | Anthropic | 1504 ±4 | 45469 | $$10 / $50 | 1M |
| 6 | Claude Opus 4.6 (High) | Anthropic | 1503 ±3 | 84375 | $$5 / $25 | 1M |
| 7 | Claude Fable 5.1 (Max) | Anthropic | 1502 ±5 | 20511 | $$10 / $50 | 1M |
| 8 | Claude Opus 4.7 (High) | Anthropic | 1501 ±4 | 64260 | $$5 / $25 | 1M |
| 9 | Gemini 3.8 Flash (High) | 1497 ±4 | 62675 | $$0.75 / $3.75 | 1M | |
| 10 | Muse Spark 1.3 (Max) | Meta | 1497 ±5 | 26806 | $$1.25 / $4.25 | 1M |
| — 以下为 Top 10 外的国产模型 — | ||||||
| 20 | Kimi K3 (Max) | Moonshot | 1487 ±4 | 41402 | N/A | N/A |
| 24 | Kimi K3.1 Pro (Max) | Moonshot | 1485 ±10 | 3995 | $$2 / $10 | 1M |
| 25 | Qwen 3.8 Max | Alibaba | 1484 ±5 | 36936 | $$2 / $6 | 1M |
| 28 | GLM 5.3 (Max) | Z.ai | 1482 ±5 | 31604 | $$1.40 / $4.40 | 1M |
前端开发榜
前端开发榜本周基本是Anthropic的天下:Claude Fable 5.2 (xHigh)以1838分稳坐第1,比第2名Claude Opus 5.5 (Max)的1815分高出23分,领先幅度不小。
Top 5里Anthropic占3席,即Claude Fable 5.2、Claude Opus 5.5和Claude Sonnet 5.5。谷歌Gemini 4 Carbon (High)以1768分排第4,OpenAI GPT 6 Astra (Max)以1764分排第5。
国产模型在这个榜上表现不错:月之暗面kimi k3.1 pro (Max)以1687分排第12名,是国产模型里名次最高的,直接进了前15。阿里、深度求索、百度、小米、腾讯、智谱也都有模型挤进前30,国产阵营在前30名里占了8席,是所有分榜中国产模型席位最多的一个。
| 排名 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 |
上下文 |
|---|---|---|---|---|---|---|
| 1 | Claude Fable 5.2 (xHigh) | Anthropic | 1838 ±21 | 1215 | $$8 / $40 | 1M |
| 2 | Claude Opus 5.5 (Max) | Anthropic | 1815 ±12 | 4208 | $$4 / $20 | 1M |
| 3 | Claude Sonnet 5.5 (xHigh) | Anthropic | 1772 ±10 | 5895 | $$2 / $10 | 1M |
| 4 | Gemini 4 Carbon (High) | 1768 ±15 | 2120 | $$2 / $10 | N/A | |
| 5 | GPT 6 Astra (Max) | OpenAI | 1764 ±9 | 8470 | $$10 / $50 | 1.1M |
| 6 | GPT 6.1 Sol (Max) | OpenAI | 1743 ±10 | 5590 | $$2 / $10 | 1.1M |
| 7 | Claude Fable 5.1 (Max) | Anthropic | 1742 ±8 | 9800 | $$10 / $50 | 1M |
| 8 | Muse Wonder Full (Max) | Meta | 1723 ±14 | 2068 | N/A | N/A |
| 9 | Claude Sonnet 5.5 (High) | Anthropic | 1715 ±8 | 7940 | $$2 / $10 | 1M |
| 10 | Gemini 4 Hydrogen (High) | 1704 ±14 | 1997 | $$1.50 / $7.50 | N/A | |
| — 以下为 Top 10 外的国产模型 — | ||||||
| 12 | Kimi K3.1 Pro (Max) | Moonshot | 1687 ±10 | 4977 | $$2 / $10 | 1M |
| 15 | Qwen 3.8 (Max 0902) | Alibaba | 1676 ±6 | 22099 | $$2 / $6 | N/A |
| 17 | Qwen 3.8 Max | Alibaba | 1670 ±12 | 3370 | $$2 / $6 | 1M |
| 18 | DeepSeek V4.1 Flash (Max) (1017) |
DeepSeek | 1664 ±7 | 14108 | $$0.15 / $0.60 | 1M |
| 18 | Ernie 5.5 Flash Preview | Baidu | 1668 ±16 | $$0.28 / $1.13 | N/A | |
| 19 | Kimi K3 (Max) | Moonshot | 1658 ±6 | 22448 | $$3 / $15 | 1M |
| 25 | Mimo V2.6 Flash | Xiaomi | 1638 ±8 | 8944 | $$0.14 / $0.28 | 1.1M |
| 26 | Hy4 (Preview) | Tencent | 1632 ±10 | 4601 | $$0.83 / $2.50 | 1M |
| 28 | Mimo V2.6 Pro | Xiaomi | 1625 ±8 | 8846 | $$0.43 / $0.87 | 1.1M |
| 29 | Qwen 3.8 Flash Next | Alibaba | 1624 ±7 | 11380 | $$0.16 / $0.47 | 1M |
智能体榜
智能体榜本周完全由Anthropic领跑:Claude Fable 5.2 (Max)以30.48%的净提升度排第1,比第2名Claude Opus 5.5 (Max)的19.51%高出11个百分点以上,优势很突出。
谷歌Gemini 4 Carbon (High)以16.9%排第3,其工具幻觉率只有0.55%,在头部模型里算工具调用最"干净"的之一。
前8名里Anthropic占5席;OpenAI在第7、第9、第10名各有一款;谷歌则在第3、第5、第11名各有一款。
国产模型方面,腾讯Hy4以5.75%排第18名,月之暗面Kimi K3.1 Pro (Max)以4.83%排第20名,都处在第二梯队末尾。
| 排名 | 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 | Claude Fable 5.2 (Max) | Anthropic | 30.48% ±3.07% | 0% ±0% | 74.41% ±12.7% | 32.91% ±1.41% |
| 2 | Claude Opus 5.5 (Max) | Anthropic | 19.51% ±2.04% | 0% ±0% | 40.72% ±7.59% | 18.41% ±1.94% |
| 3 | Gemini 4 Carbon (High) | 16.9% ±0.68% | 0% ±0% | 40.91% ±2.48% | 19.06% ±0.61% | |
| 4 | Claude Sonnet 5.5 (Max) | Anthropic | 16.07% ±2.81% | 0% ±0% | 31.11% ±11% | 14.53% ±2.73% |
| 5 | Gemini 4 Hydrogen (High) | 14.8% ±2.23% | 0% ±0% | 32.12% ±8.39% | 20.53% ±2.04% | |
| 6 | Claude Fable 5.1 (Max) | Anthropic | 14.62% ±2.06% | 0% ±0% | 31.14% ±7.71% | 14.49% ±1.85% |
| 7 | GPT-6 Astra (Max) | OpenAI | 14.56% ±2.03% | 0% ±0% | 31.86% ±7.44% | 14.78% ±1.78% |
| 8 | Claude Opus 5.5 (High) | Anthropic | 14.22% ±1.05% | 0% ±0% | 29.83% ±3.71% | 15.34% ±0.97% |
| 9 | GPT-6.1 Sol (Max) | OpenAI | 12.4% ±1.12% | 0% ±0% | 27.45% ±4.01% | 13.25% ±1.05% |
| 10 | GPT-6.1 Terra (Max) | OpenAI | 11.96% ±1.25% | 0% ±0% | 19.51% ±4.36% | 16.7% ±1.25% |
| — 以下为 Top 10 外的国产模型 — | ||||||
| 18 | Hy4 | Tencent | 5.75% ±1.29% | 0% ±0% | 6.21% ±4.27% | 9.3% ±1.48% |
| 20 | Kimi K3.1 Pro (Max) | Moonshot | 4.83% ±1.11% | 0% ±0% | 8.03% ±3.48% | 6.45% ±1.35% |
| 25 | MiMo-V2.6-Pro | Xiaomi | 2.16% ±0.9% | 0% ±0% | 2.98% ±2.74% | 1.29% ±1.18% |
| 27 | DeepSeek-V4.1-Flash-20261017 (Max) |
DeepSeek | 2.01% ±0.52% | 0% ±0% | 1.01% ±1.58% | 4.13% ±0.65% |
AI生图榜
AI生图榜几乎被OpenAI包圆:GPT Image 2.5 Sunburst以1429分高居第1,Top 5全是OpenAI的GPT Image系列。
国产模型里,阿里Qwen Image 3.0 Pro以1254分排第14名,是名次最高的国产生图模型;字节跳动Seedream 5.0 Pro以1248分排第17名,两者只差6分,在误差范围内算作接近。
国产生图模型跟头部OpenAI还差170分以上,位于第二梯队。
| 排名 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 |
上下文 |
|---|---|---|---|---|---|---|
| 1 | GPT Image 2.5 Sunburst | OpenAI | 1429 ±5 | 63818 | ||
| 2 | GPT Image 2.6 Sunburst (Medium) |
OpenAI | 1406 ±13 | 2697 | ||
| 3 | GPT Image 2.5 Flare | OpenAI | 1398 ±5 | 63120 | ||
| 4 | GPT Image 2.6 Flare (Medium) | OpenAI | 1384 ±13 | 2532 | ||
| 5 | GPT Image 2 (medium) | OpenAI | 1382 ±4 | 108559 | ||
| 6 | Mai Image 2.6 | Microsoft AI | 1330 ±5 | 41413 | ||
| 7 | Gemini Nano Banana 2.1 | 1327 ±9 | 4961 | |||
| 8 | Grok Imagine Image 2.0 (canvas) |
SpaceXAI | 1318 ±7 | 9919 | ||
| 9 | Reve 2.1 | Reve | 1301 ±8 | 7893 | ||
| 10 | Grok Imagine Image 2.0 (20260801) |
SpaceXAI | 1287 ±5 | 36215 | ||
| — 以下为 Top 10 外的国产模型 — | ||||||
| 14 | Qwen Image 3.0 Pro | Alibaba | 1254 ±7 | 10899 | ||
| 17 | Seedream 5.0 Pro | Bytedance | 1248 ±4 | 110580 | ||
| 21 | Qwen Image 2.1 | Alibaba | 1227 ±6 | 17822 | ||
| 23 | MiniMax H3 Image | MiniMax | 1197 ±11 | 3277 | ||
| 24 | Qwen Image 2.0 Pro 2026.06.22 | Alibaba | 1190 ±6 | 12657 | ||
AI 视频榜本周的态势是谷歌领先、国产追赶。谷歌 Gemini Omni 1.2 Flash 拿到 1540 分,直接空降第 1 名;上一代 Gemini Omni 1.1 Flash 以 1513 分排在第 2 名。两者相差 27 分,还落在 30 分的误差区间里,可以看作并列头部。
国产模型这一周的表现很抢眼。字节跳动 Dreamina Seedance 2.0 720p 得 1483 分,排第 6 名;Dreamina Seedance 2.5 720p 得 1479 分,排第 7 名;阿里 Wan 3.0 得 1476 分,排第 8 名。视频榜前 10 名里,国产阵营拿下 3 个位置,是所有分榜中排名最靠前、也最集中的一个。
另一边,OpenAI 的 Sora 2 Pro 只拿到 1367 分,排在第 13 名,被好几款国产视频模型甩在了后面。
| 排名 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 |
上下文 |
|---|---|---|---|---|---|---|
| 1 | Gemini Omni 1.2 Flash | 1540 ±16 | 1714 | |||
| 2 | Gemini Omni 1.1 Flash | 1513 ±15 | 1792 | |||
| 3 | Gemini Omni Flash | 1509 ±8 | 46707 | |||
| 4 | Flux 3 Video | Black Forest Labs | 1491 ±17 | 1314 | ||
| 5 | Grok Imagine Video 1.5 (Agent) | SpaceXAI | 1488 ±19 | 1249 | ||
| 6 | Dreamina Seedance 2.0 720p | Bytedance | 1483 ±8 | 72137 | ||
| 7 | Dreamina Seedance 2.5 720p | Bytedance | 1479 ±8 | 25421 | ||
| 8 | Wan 3.0 | Alibaba | 1476 ±12 | 3060 | ||
| 9 | SkyReels V4 | Skywork | 1459 ±18 | 1060 | ||
| 10 | Muse Video | Meta | 1457 ±15 | 2225 | ||
| — 以下为 Top 10 外的国产模型 — | ||||||
| 11 | Minimax H3 | MiniMax | 1456 ±8 | 29257 | ||
| 12 | Happyhorse 1.0 | Alibaba-ATH | 1429 ±12 | 22896 | ||
| 22 | Wan 2.7 | Alibaba | 1337 ±7 | 48517 | ||
| 23 | Wan 2.6 | Alibaba | 1324 ±7 | 75753 | ||
| 24 | Seedance V1.5 Pro | Bytedance | 1256 ±7 | 77992 | ||
| 27 | Wan 2.5 I2i (Preview) | Alibaba | 1244 ±9 | 43113 | ||
| 28 | Pixverse V5.6 | Proprietary | 1238 ±10 | 33302 | ||
| 30 | Kling 2.5 Turbo 1080p | KlingAI | 1219 ±17 | 2110 | ||
总结
把本周六大榜单放在一起看,大模型的竞争格局有三条比较清楚的主线。第一条是谷歌:借着 Gemini 4 Carbon 的发布,它在综合榜、前端开发榜、智能体榜、视频榜同时出手,Anthropic 和 OpenAI 长期把持的局面被打破。
第二条,Anthropic 在智能体榜和前端开发榜上依旧占着绝对优势,家族化占位的特征很明显。第三条落在国产模型身上:视频生成赛道已经稳稳进入第一梯队,字节 seedance、阿里 wan 系列占据 6~8 名;前端开发榜也有所突破,kimi k3.1 pro 杀进前 15。不过综合能力上,和头部相比还有约 40 分的差距。
下周可以留意两件事:Gemini 4 Carbon 在综合榜上的分数还能不能继续拉开优势,以及 Anthropic 新发布的 Claude Fable 5.2 在各榜的后续表现。