模型榜
AI 模型排行榜
职业交付件、业务流程、金融、法律、投行咨询长任务、客服、数据分析与医疗编码，看专业工作能不能交付。
14 项评测·4 家机构·11/10 08:05 更新
专业办公榜30 个模型
| 名次 | 模型 | ||
|---|---|---|---|
| 01 | Gemini 4 ArgonGoogleGoogle · 9月30日上线 | 13 项评测覆盖 100% | 74.2覆盖 100% |
| 02 | Claude Fable 5.1AnthropicAnthropic · 9月1日上线 | 12 项评测覆盖 90% | 72.8覆盖 90% |
| 03 | Claude Opus 5.5AnthropicAnthropic · 9月22日上线 | 14 项评测覆盖 100% | 72.6覆盖 100% |
| 04 | Claude Sonnet 5.5AnthropicAnthropic · 9月28日上线 | 14 项评测覆盖 100% | 72.0覆盖 100% |
| 05 | Claude Opus 5AnthropicAnthropic · 7月24日上线 | 10 项评测覆盖 80% | 71.5覆盖 80% |
| 06 | Muse WonderMetaMeta · 10月12日上线 | 10 项评测覆盖 70% | 70.7覆盖 70% |
| 07 | DeepSeek V4.1 Flash 1017DeepSeekDeepSeek · 10月17日上线 | 10 项评测覆盖 80% | 69.0覆盖 80% |
| 08 | Claude Fable 5AnthropicAnthropic · 6月9日上线 | 9 项评测覆盖 70% | 68.9覆盖 70% |
| 09 | Kimi K3.1 ProMoonshot AIMoonshot AI · 10月23日上线 | 11 项评测覆盖 90% | 68.5覆盖 90% |
| 10 | Muse Spark 1.3MetaMeta · 9月2日上线 | 10 项评测覆盖 70% | 68.2覆盖 70% |
| 11 | Qwen3.8 Max 0902AlibabaAlibaba · 9月1日上线 | 9 项评测覆盖 70% | 67.6覆盖 70% |
| 12 | Inkling 2 SmallThinking Machines LabThinking Machines Lab · 11月5日上线 | 9 项评测覆盖 70% | 67.5覆盖 70% |
| 13 | GPT-6 AstraOpenAIOpenAI · 9月3日上线 | 14 项评测覆盖 100% | 67.5覆盖 100% |
| 14 | GPT-6.1 SolOpenAIOpenAI · 9月29日上线 | 14 项评测覆盖 100% | 66.4覆盖 100% |
| 15 | Grok 4.7xAIxAI · 9月21日上线 | 14 项评测覆盖 100% | 66.0覆盖 100% |
| 16 | Grok 4.6xAIxAI · 8月12日上线 | 10 项评测覆盖 80% | 65.9覆盖 80% |
| 17 | GPT-5.6 SolOpenAIOpenAI · 7月9日上线 | 8 项评测覆盖 60% | 65.9覆盖 60% |
| 18 | Gemini 3.8 FlashGoogleGoogle · 9月2日上线 | 14 项评测覆盖 100% | 65.4覆盖 100% |
| 19 | GLM-5.3Z.aiZ.ai · 8月18日上线 | 14 项评测覆盖 100% | 65.1覆盖 100% |
| 20 | Qwen3.8 MaxAlibabaAlibaba · 7月19日上线 | 10 项评测覆盖 90% | 64.6覆盖 90% |
| 21 | MiMo-V2.6-ProXiaomiXiaomi · 9月21日上线 | 11 项评测覆盖 90% | 64.2覆盖 90% |
| 22 | Kimi K3Moonshot AIMoonshot AI · 7月16日上线 | 14 项评测覆盖 100% | 64.1覆盖 100% |
| 23 | GPT-6.1 TerraOpenAIOpenAI · 10月26日上线 | 10 项评测覆盖 80% | 63.8覆盖 80% |
| 24 | Claude Haiku 5.5AnthropicAnthropic · 10月7日上线 | 14 项评测覆盖 100% | 63.5覆盖 100% |
| 25 | Gemini 3.7 FlashGoogleGoogle · 8月13日上线 | 9 项评测覆盖 70% | 63.4覆盖 70% |
| 26 | MiniMax-M3.1-FlashMiniMaxMiniMax · 10月19日上线 | 8 项评测覆盖 60% | 63.4覆盖 60% |
| 27 | GPT-6 SolOpenAIOpenAI · 9月22日上线 | 10 项评测覆盖 80% | 63.1覆盖 80% |
| 28 | GPT-5.6 TerraOpenAIOpenAI · 7月9日上线 | 9 项评测覆盖 80% | 63.1覆盖 80% |
| 29 | Qwen3.8 Flash NextAlibabaAlibaba · 8月26日上线 | 4 项评测覆盖 30% | 62.9覆盖 30% |
| 30 | MiMo V 2.6 FlashXiaomiXiaomi · 9月21日上线 | 9 项评测覆盖 70% | 62.9覆盖 70% |
综合参考顺序前十中暂未进入专业办公榜：Gemini 4 Carbon（已有 10 项可比评测）、Claude Fable 5.2（已有 11 项可比评测）、Muse Wonder Full（已有 10 项可比评测）、Muse Ember（已有 7 项可比评测）、Hy4（已有 9 项可比评测）、Ling 3.1 Flash 1019（已有 3 项可比评测）、ember-1（已有 2 项可比评测）、Ling 3.1 Flash（已有 3 项可比评测）、Qwen3.8 2.4 T A 95 B（已有 3 项可比评测）、Claude 4.5 Haiku（已有 4 项可比评测）、Command A（已有 3 项可比评测）。分类榜只比较测过同类评测的模型，通常需要两项、来自两家机构的评测。
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。分类评分只看这个领域，只列在这个领域测得够多的模型。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。