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

资讯 凤凰科技 作者:IT之家 全文 7902 字 · 约 20 分钟读完 配图 2 张 分类GeminiCarbonK3.1Google月之暗面国产模型

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;

所属频道 大厂动态Gemini 与 Google AI国产大模型

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) Google 1526 ±10 4273 $$2 / $10 N/A
2 Gemini 4 Argon (High) Google 1522 ±5 20779 $$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) Google 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 $$2 / $10 1M
4 Gemini 4 Carbon (High) Google 1768 ±15 2120 $$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) Google 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) Google 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) Google 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 Google 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 Google 1540 ±16 1714    
2 Gemini Omni 1.1 Flash Google 1513 ±15 1792    
3 Gemini Omni Flash Google 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。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌Gemini 4 Hydrogen发布:定价低于Argon,AA指数反超

    谷歌DeepMind于2026年11月12日发布Gemini 4 Hydrogen,定价$1.50/$7.50(百万token),在Artificial Analysis智能指数上以51分(默认高档)和54分(最高档)超越同系Argon的50分,同时面向所有用户免费开放。模型主打代码执行与agentic工作流,配套推出

    来源 AI 科技快讯
  2. Gemini被称美国豆包,张一鸣活成中国布林:两人都把时间押给AI

    在太平洋两岸的科技版图上,一种奇妙的镜像正在发生。大洋彼岸的硅谷,早已退居幕后的 Google 联合创始人 Sergey Brin (谢尔盖布林)重新走进办公室,与一线研究员并肩推演大模型架构。而在亚洲,2021 年便将字节跳动 CEO 权杖交给梁汝波、此后极少公开露面的张一鸣,也正以一种高密度、深介入的姿态重回技术腹

    来源 腾讯网
  3. Gemini回答如何变成结构化数据:小米手机实测

    当用户开始向AI询问购买建议时,品牌在搜索结果中的排名已不足以反映全貌。本文通过Bright Data的AI Bot Scraper工具,以小米手机为例,演示如何批量采集Gemini的结构化回答数据。文章对比了传统SERP与AI生成答案的差异,展示了从Prompt设计、API调用到数据解析的完整流程,并探讨了如何利用这

    来源 AI 应用前沿
  4. Gemini Decision 1发布:毫秒级批量判断,不闲聊

    谷歌推出首个专用决策模型Gemini Decision 1,主打“不生成文本,只做判断”。它能在150-250毫秒内,基于同一份多模态输入一次性回答上千道是非题或选择题,并输出置信度。这种跳过Token解码的架构,让它在模型路由、内容审核等需要快速二选一或多选一的场景中,比传统大模型更快且更便宜。

    来源 AI 应用前沿
  5. 谷歌Gemini接入钱包:AI从对话走向财务管家?

    IT之家 11 月 14 日消息,谷歌宣布 Gemini 的 Personal Intelligence(个人智能)功能已正式支持 Google Wallet 钱包,用户在完成授权后,Gemini 便能根据谷歌 Gemini 个人智能功能接入 Google Wallet:可为用户消费习惯提供个性化分析建议。谷歌表示,用

    来源 腾讯网
  6. 9所高校23位研究者发布126页综述:个人智能体怎样才算持续在线

    个人智能体,正在迎来一场前所未有的密集爆发。 在海外,前沿AI实验室接连出手,推出Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等重磅产品。它们不再只是被动地等待用户提问:有的在对话结束后继续在云端默默干活,有的每天清晨准时送来定制简报,还有的每隔几小时自动巡检一次用

    来源 AI 行业观察
  7. qwen3-max数据边界仅1.36分,WDCD五场景横评全員最低分

    WDCD v3.1试点数据显示,数据边界场景全体得分最低,qwen3-max仅1.36/4;业务规则区分度最大,gpt-6.1-sol 3.88/4与gemini-2.5-pro 2.23/4差距达1.65分。工程规范最高分达4分,五个场景中偏科现象普遍,qwen3-max场景差距2.04分。

    来源 AI 科技快讯
  8. Fable 5.2登顶AI大模型榜:65分,27美元一次评测

    截止今日,11 月的榜有个反转:9 日 Anthropic 放出 Fable 5.2,综合指数 65,把 Gemini 4 Carbon 挤到第二。但这一分不是白拿的。图按五档排,分数取自 Artificial Analysis 的 Intelligence Index v5,收了 74 个模型、中位数 40 分。带「

    来源 腾讯网
  9. SpaceX豪掷740亿建AI超算:数GW电力够撑吗?

    本期资讯聚焦三大动态:SpaceX据传计划投入巨资建设两座AI超算园区;Google推出面向影视创作的Flow新工具及Gemini 4 Hydrogen模型,后者展示了实时3D可视化能力;AWS发布Bedrock推理成本优化指南。此外,LMArena提出智能体交互评测新范式,DeepMind发布AlphaGenome

    来源 AI 应用前沿
向下滚动自动加载更多