2026-10-10最新Arena大模型竞技场排行榜
Arena 和评分榜看的是两回事：评分榜比跑分，Arena 比"体感"——匿名两两对战、真人投票换 Elo，跑分容易刷，几万人的投票不好刷。写作、聊天这类没有标准答案的场景，Arena 比任何跑分都更接近真实口碑。
Arena（原 LMArena）采用匿名两两对战 + Elo 评分，由真实用户投票产生排名，是业界公认最接近真实偏好的大模型评测之一。本页聚合其 9 类榜单（文本对话、代码、文档理解、文生图、图片编辑、AI 搜索、文生视频、图生视频、视频编辑），每榜取前 20 名，支持按日期回看与全月分数趋势。
说明：Elo 分数与票数取自 arena.ai 每日公开榜快照；±CI 为 95% 置信区间；「较上期」对比上一个有快照的日期；上游快照缺失的日期自动跳过。数据每日同步更新。
数据更新于 —
文本对话榜点评：Google 的 Gemini 4 Argon以 1525 分登顶，比第二名 Claude Opus 5.5 高 18 分；但领奖台很快变成 Anthropic 的主场：前五席它拿下四席，前十更占五席。Meta 则让 Muse Spark 1.1、1.2、1.3 连同初代一起挤进前十二，像是把家族群直接搬进榜单。分数也并非层层拉开：Claude Opus 5.5 与第三名只差 3 分，榜首之外的缠斗相当紧。另一个小细节是，Claude Opus 4.6、4.7 的 high 档都高于默认档，榜单也提醒我们：同名模型，评测档位不同，名次会变。
代码生成榜点评：Anthropic拿下榜首，也把前十席位中的4席收入囊中；OpenAI则有3席紧随其后，前五几乎被两家包场。Claude Opus 5.5领先GPT-6 Astra 26分，但第二名到第三名只差15分，领先优势没大到能让人提前散场。榜单也有个小反差：Claude Opus 5排第六，低于更新的Opus 5.5；而Google的Gemini 4 Argon暂列第八，阿里Qwen3.8 Max也挤进前十。下半区分差更密，MiMo、Hy和Qwen等模型从第13到第16名只隔几分。
文档理解榜点评：这份榜单几乎被 Anthropic 的 Claude 家族包场：前五席全是 Claude，前十占了七席，连前三也没有外人。冠军 Claude Opus 5 只比 Claude Fable 5.1 高 3 分，头名之争称不上拉开身位；更显眼的是，Anthropic之外，OpenAI 在前十占三席，Meta、Google 则都要到榜单中段才出现。Claude 密集到像开了家族聚会，其他厂商只能见缝插针。
AI 搜索榜点评：GPT-5.6 Sol以1257分登顶，但只比Anthropic的claude-opus-4-6-search高4分，榜首几乎贴身。更显眼的是Anthropic的阵容厚度：前20占7席，前10有4席；OpenAI则拿下第1、3名。版本也没排成整齐队列：Claude Opus 4.8排第12，低于Opus 4.7和4.6；Google的Gemini两款 grounding 模型则守在第9、10名。
文生图榜点评：OpenAI把前三席一口气包圆：gpt-image-2.5-sunburst以1425分登顶，领先同门第二名gpt-image-2.5-flare 27分；不过第二、第三名只差15分，前三内部也并非一骑绝尘。榜首之外，前十席位则由Google和Reve各拿两席，Gemini系还有多款模型排在第十名以后。另一处小看点是同系列版本并非只按新旧排队：Reve 2.1高于2.0，Microsoft AI的mai-image-2.6也排在2.5之前。眼下这张榜，OpenAI负责占领奖台，其他厂商则在前十和中游各有落点。
图像编辑榜点评：OpenAI把前三席一口气包圆，榜首 gpt-image-2.5-sunburst 还领先第二名 gpt-image-2.5-flare 43 分，优势比第二、三名之间的19分差距更醒目。不过，前十并非 OpenAI 独唱：Microsoft AI 和 SpaceXAI 各占两席，Google也有 Nano Banana 2.1 入围。Google的 Gemini 系列虽有多个模型上榜，却主要落在第11名之后；Meta的 muse-image则守住第7。榜单呈现出一个反差：OpenAI拿下领奖台，席位分布却比冠军归属更分散。
文生视频榜点评：Google由gemini-omni-1.1-flash以1516分登顶，老版本gemini-omni-flash仅差3分紧随其后，冠军之争几乎是同门内战。更显眼的是席位分布：Google前20占8席，其中第12至16名连续五席都被Veo 3系列包下；但榜单前三并未被一家垄断，Black Forest Labs的flux-3-video排第三，SpaceXAI的grok-imagine-video-1.5-agent排第四。另一处反差是OpenAI的sora-2-pro列第11，反而高于sora-2的第17名。
图生视频榜点评：MiniMax 的 minimax-h3 以 1495 分登顶，但只领先 Google 的 gemini-omni-1.1-flash 7 分，前三名都在 15 分内，榜首并没有甩开身位。更显眼的是阵容厚度：Google 在前20占7席，字节则把 dreamina-seedance-2.5 和 2.0 一起送进前五。阿里也有 wan3.0 排第三，Alibaba-ATH 的 happyhorse-1.0 排第十。冠军归 MiniMax，榜单的“人海战术”则是 Google 更突出。
视频编辑榜点评：视频编辑榜的前三席被阿里、字节和 MiniMax 各拿一席，冠军争夺尤其紧：Alibaba 的 wan3.0 只比字节 dreamina-seedance-2.5-720p 高 4 分。字节还让 dreamina-seedance-2.0-720p 排在第五，前五占了两席；Google 的 gemini-omni-flash 则夹在两个字节模型之间。榜单后段，KlingAI 的 kling-o3-pro 和 kling-o1-pro 连续占据第八、第九，像是专门把自家席位排成了一对。
Text 对话第一 Gemini 4 Argon（1525 分） · Code 编程第一 Claude Opus 5.5（1814 分）。
本月 Elo 分数走势（最新 Top 10）
文本对话榜 Top 10（2026-10-10，静态备份）
| # | 模型 | 厂商 | Elo | 票数 | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Gemini 4 Argon | 1525 | 4892 | ||||||||||
| 2 | Claude Opus 5.5 | Anthropic | 1507 | 6272 | |||||||||
| 3 | Claude Opus 4.62档2 个评测配置（推理档位）
最高与最低档相差 6 Elo | Anthropic | 1504 | 79415 | |||||||||
| 4 | Claude Fable 5 | Anthropic | 1504 | 40026 | |||||||||
| 5 | Claude Opus 4.72档2 个评测配置（推理档位）
最高与最低档相差 7 Elo | Anthropic | 1501 | 65192 | |||||||||
| 6 | Claude Fable 5.1 | Anthropic | 1501 | 13063 | |||||||||
| 7 | Gemini 3.8 Flash | 1497 | 31437 | ||||||||||
| 8 | Muse Spark 1.3 | Meta | 1494 | 14694 | |||||||||
| 9 | Muse Spark 1.2 | Meta | 1492 | 6118 | |||||||||
| 10 | Muse Spark 1.1 | Meta | 1491 | 39847 |
数据来源：Arena（LMArena） · 许可 CC BY 4.0