模型榜
公开评测里的 AI 模型排名
AI MODEL LEADERBOARD
AI 模型排行榜
只用第三方评测机构自己给模型实测的成绩，厂商自己公布的分数一概不计；各项成绩折算成同一种分数后按领域加权：编程 38%、科研 19%、专业办公 19%、知识问答 14%、真人盲选 10%。
54 项评测·16 家机构·11/10 08:05 更新
综合榜30 个模型
| 名次 | 模型 | ||
|---|---|---|---|
| 01 | Claude Opus 5.5AnthropicAnthropic · 9月22日上线 | 54 项评测覆盖 100% | 74.3覆盖 100% |
| 02 | Claude Fable 5.1AnthropicAnthropic · 9月1日上线 | 47 项评测覆盖 92% | 72.6覆盖 92% |
| 03 | GPT-6 AstraOpenAIOpenAI · 9月3日上线 | 54 项评测覆盖 100% | 72.2覆盖 100% |
| 04 | Gemini 4 ArgonGoogleGoogle · 9月30日上线 | 49 项评测覆盖 95% | 72.0覆盖 95% |
| 05 | Claude Sonnet 5.5AnthropicAnthropic · 9月28日上线 | 54 项评测覆盖 100% | 71.6覆盖 100% |
| 06 | GPT-6.1 SolOpenAIOpenAI · 9月29日上线 | 53 项评测覆盖 97% | 70.1覆盖 97% |
| 07 | Claude Opus 5AnthropicAnthropic · 7月24日上线 | 44 项评测覆盖 90% | 69.4覆盖 90% |
| 08 | GPT-6.1 TerraOpenAIOpenAI · 10月26日上线 | 28 项评测覆盖 58% | 69.2覆盖 58% |
| 09 | Claude Fable 5AnthropicAnthropic · 6月9日上线 | 35 项评测覆盖 79% | 68.9覆盖 79% |
| 10 | Kimi K3.1 ProMoonshot AIMoonshot AI · 10月23日上线 | 35 项评测覆盖 68% | 68.2覆盖 68% |
| 11 | Muse WonderMetaMeta · 10月12日上线 | 39 项评测覆盖 79% | 67.7覆盖 79% |
| 12 | GPT-5.6 SolOpenAIOpenAI · 7月9日上线 | 40 项评测覆盖 84% | 66.6覆盖 84% |
| 13 | DeepSeek V4.1 Flash 1017DeepSeekDeepSeek · 10月17日上线 | 38 项评测覆盖 71% | 65.8覆盖 71% |
| 14 | GPT-6 SolOpenAIOpenAI · 9月22日上线 | 44 项评测覆盖 90% | 65.6覆盖 90% |
| 15 | Muse Spark 1.3MetaMeta · 9月2日上线 | 39 项评测覆盖 79% | 64.1覆盖 79% |
| 16 | Gemini 3.8 FlashGoogleGoogle · 9月2日上线 | 52 项评测覆盖 97% | 63.5覆盖 97% |
| 17 | GPT-5.5OpenAIOpenAI · 4月23日上线 | 30 项评测覆盖 68% | 63.1覆盖 68% |
| 18 | GLM-5.3Z.aiZ.ai · 8月18日上线 | 51 项评测覆盖 95% | 62.9覆盖 95% |
| 19 | Qwen3.8 Max 0902AlibabaAlibaba · 9月1日上线 | 29 项评测覆盖 58% | 62.9覆盖 58% |
| 20 | Grok 4.7xAIxAI · 9月21日上线 | 53 项评测覆盖 97% | 62.7覆盖 97% |
| 21 | Gemini 3.7 FlashGoogleGoogle · 8月13日上线 | 35 项评测覆盖 79% | 62.7覆盖 79% |
| 22 | Kimi K3Moonshot AIMoonshot AI · 7月16日上线 | 51 项评测覆盖 97% | 62.7覆盖 97% |
| 23 | MiMo-V2.6-ProXiaomiXiaomi · 9月21日上线 | 35 项评测覆盖 74% | 62.4覆盖 74% |
| 24 | Inkling 2 SmallThinking Machines LabThinking Machines Lab · 11月5日上线 | 27 项评测覆盖 58% | 62.2覆盖 58% |
| 25 | Claude Haiku 5.5AnthropicAnthropic · 10月7日上线 | 50 项评测覆盖 100% | 62.2覆盖 100% |
| 26 | Claude Opus 4.8AnthropicAnthropic · 5月28日上线 | 34 项评测覆盖 74% | 62.1覆盖 74% |
| 27 | Grok 4.6xAIxAI · 8月12日上线 | 42 项评测覆盖 87% | 62.0覆盖 87% |
| 28 | DeepSeek V4.1 FlashDeepSeekDeepSeek · 9月10日上线 | 44 项评测覆盖 97% | 61.9覆盖 97% |
| 29 | Qwen3.8 MaxAlibabaAlibaba · 7月19日上线 | 39 项评测覆盖 87% | 61.8覆盖 87% |
| 30 | GPT-5.6 TerraOpenAIOpenAI · 7月9日上线 | 38 项评测覆盖 79% | 61.7覆盖 79% |
分类榜已有领先成绩，但综合证据尚不足：Claude Fable 5.2（已有 35 项可比评测）、Gemini 4 Carbon（已有 22 项可比评测）、Muse Wonder Full（已有 29 项可比评测）、Muse Ember（已有 15 项可比评测）、Hy4（已有 20 项可比评测）、ember-1（已有 8 项可比评测）、Claude 4.5 Haiku（已有 15 项可比评测）、Command A（已有 14 项可比评测）。尚无综合参考位次不等于能力较弱，仍可查看已有分类与原始成绩。
综合评分为 0–100 分，越高表示本榜综合表现越强。同分按原榜名次排列；筛选后保留原榜评分与名次，每次最多展示 30 个模型。评分方法 2026.11-capability-scale-v24。
榜单定时同步展示；模型与各评测数据的权利归原机构。
如何看这张榜
综合评分把各家难度不同的评测折算成同一种分数：50 分是参照模型的平均水平，每 15 分约是一个标准差；两个模型相差 3 分以上，先后基本不会变。评分不是正确率。价格不参与排序，缺测不补分。能力表现请结合分项原始成绩与运行配置判断。
关于价格
API 价格来自厂商官网，按每百万 Token 展示。美元报价按 2026-11-09 汇率折算成人民币。缓存价格指命中后的输入价格，缓存写入、存储及订阅费用另计。