2026-10-10最新大模型排行榜

综合评分榜点评：这张榜单像是 Anthropic 的主场：Claude 占前五席中的四席、前二十席中的六席；OpenAI 则有五席进前二十，但只有一个进入前三。更反常的是，版本号没能预测名次：Gemini 3.7 Flash 排在 3.8 Flash 前面，Claude Opus 4.7 也高于 4.8。Google 的两款 Gemini 都在前二十，却没有进入前十。新版、旧版和厂商席位，几条线索摆在一起，比单看榜首更耐琢磨。

编程榜点评：编程榜最醒目的不是谁夺冠，而是 Anthropic 把前三名全包了，前十也占五席；Google 的 Gemini 4 Argon 排第四，是前五里唯一的非 Anthropic 模型。冠军 Claude Fable 5.1 只领先 Claude Fable 5 0.25 分，兄弟模型之间几乎贴身冲线；不过第二名到第三名差距扩大到 1.82 分。另一处反差是 OpenAI：GPT-6 Astra 排第八，GPT-6.1 Sol 和 GPT-6 却分别落在第十二、第十六。这个榜单里，同厂牌扎堆与自家模型拉开距离，同时发生。

文档理解榜点评：Anthropic拿下榜首，也在前十占了4席；OpenAI则更像是“榜单常驻户”，前五有3席、前十有3席。最醒目的反差是，Claude Fable 5.1只以0.95分领先GPT-6 Astra，冠军差距很薄；但第二名之后，GPT-6 Astra到Meta的Muse Spark 1.3已拉开6分。另一处细节是，Claude Opus 5排第6，低于前代Fable 5.1，却又高过多个Opus旧版本；同系列模型并没有整齐地按版本号排队。谷歌的Gemini 3.6 Flash卡在第9，和Meta的Muse Spark 1.1只差0.14分。

多模态榜点评：Anthropic在这张榜单里最像“常驻嘉宾”：前十占4席，前二十占7席；但榜首由Claude Fable 5拿下，第二名却是阿里Qwen3.8 Max，领先第三名Claude Opus 4.6仅2分。另一处反差是Meta的Muse Spark系列，三个版本都挤进前十。榜单前列分差很紧，Google的Gemini 3.7 Flash排第五，与第六名GPT-6.1 Sol也只差3分，冠军之外几乎步步贴身。

国产游戏开发榜点评：Kimi K3以85.93分拿下榜首，领先小米 MiMo-V2.6-Pro 3.77分；但榜单最醒目的不是冠军，而是智谱 AI 的密集阵型：前十占5席，GLM-5.3、GLM-5.3-Flash、GLM-5.2连续排在第4至第6名。阿里通义、月之暗面和小米也都有模型进入前十，不过第二、第三名只差1.82分，前三的座次并没拉开太大距离。首名属于Kimi，前十席位则是GLM家族的主场。

国产编程榜点评：智谱 AI 的 GLM-5.3 以 70.76 分登顶，但榜单更醒目的结构是：智谱在前 20 占 6 席，GLM-5.3、Flash、5.2、5、5.1、4.7 一路排开，像是把自家型号开成了编队。月之暗面则由 Kimi K3 拿下第二，和榜首相差 3.73 分；第三名 Step 3.7 Flash 与第四名 Qwen3.8 Max 仅差 0.12 分，前列座次咬得很紧。另一处反差是 GLM-5.3 领跑，旧款 GLM-5 却排在 GLM-5.2 之后，型号越新，名次并非一路向上。

调用量周榜点评：DeepSeek V4.1 Flash以37.60万亿 tokens登顶，达到第二名 space-bunny-alpha 的2.22倍，榜首和亚军之间几乎隔着一道鸿沟。前排则不是一家独大：智谱的GLM-5.3-Flash排第三，DeepSeek V4 Flash 0731也进前五；往前十看，智谱、DeepSeek、OpenAI、Anthropic等各有模型入围。Google的Gemini 3.8 Flash排第12，前十暂时没有Google模型。另一个小反差是，DeepSeek两个入榜版本都在前五，而Anthropic的Claude Opus 5.5排第9，Claude Sonnet 5.5和Haiku 5.5则在后十。

国产调用量周榜点评：这份调用量周榜最醒目的不是榜首易主，而是 DeepSeek V4.1 Flash 把身后的队伍甩开了：37.60 万亿 tokens，是第二名智谱 GLM-5.3-Flash 的 3.36 倍。席位分布则是另一番景象：智谱在前九占三席，DeepSeek 和小米各占两席。DeepSeek V4 Flash 0731也排到第四，和榜首同厂但相差明显；GLM-5.3-Flash、MiMo-V2.6-Flash紧贴第二、第三，榜单前段并非一家独大。