独立模型评测对比
哪款 AI 模型表现领先?
真实评测成绩,一眼看懂。按任务选榜单、看模型差异、读懂评分。
15 组图表3 个开放数据来源 · 日期截至 2026-10-23
综合↗
Gemini 4 Argon (High)
1525.7Arena Rating · Arena
编程↗
Claude Opus 5.5 (High)
1545Arena Rating · Arena
推理↗
Claude Opus 5.5 (High)
1538.5Arena Rating · Arena
图像↗
gpt-image-2.5-sunburst
1424.6Arena Rating · Arena
交互模型排名
综合模型偏好
模型排名10 个模型
点击柱形图,最多对比 3 个模型。
人类盲测偏好评分,不是准确率百分比。 · 横轴非零起点以显示细微差异。
按需求查找
探索全部评测图表
根据编程、推理、图像等任务选图。每张卡片都能进入交互对比。
Arena2026-10-22
综合模型偏好
#1Gemini 4 Argon (High)1525.7
Arena Rating查看图表
Arena2026-10-22
数学推理
#1Gemini 4 Argon (High)1537.8
Arena Rating查看图表
Arena2026-10-22
高难度问题
#1Claude Opus 5.5 (High)1538.5
Arena Rating查看图表
Arena2026-10-22
编程偏好
#1Claude Opus 5.5 (High)1545
Arena Rating查看图表
Arena2026-10-22
网页开发
#1Claude Opus 5.5 (Max)1806.9
Arena Rating查看图表
Arena2026-10-22
中文对话
#1Gemini 4 Argon (High)1600.2
Arena Rating查看图表
Arena2026-10-19
视觉理解
#1Claude Fable 5 (High)1324.9
Arena Rating查看图表
Arena2026-10-07
文本生成图像
#1gpt-image-2.5-sunburst1424.6
Arena Rating查看图表
Arena2026-10-20
图像编辑
#1GPT-Image-2.5 Sunburst1514.4
Arena Rating查看图表
Arena2026-10-20
智能体能力 · IPS
#1Claude Opus 5.5 (Max)0.2092
IPS查看图表
Arena2026-10-22
指令遵循
#1Claude Opus 5.5 (High)1538.8
Arena Rating查看图表
MTEB2026-10-23
科学文献检索 · SciFact
#1Qwen/Qwen3-Embedding-4B78.33
nDCG@10 × 100查看图表
MTEB2026-10-23
语义相似度 · STS
#1Qwen/Qwen3-Embedding-4B93.7
Spearman × 100查看图表
EvalPlus2026-10-23
HumanEval+ 代码测试
#1O1 Mini (Sept 2024)89
pass@1 (%)查看图表
EvalPlus2026-10-23
MBPP+ 代码测试
#1O1 Preview (Sept 2024)80.2
pass@1 (%)查看图表
数据说明
数据可信,来源可查。
我们使用下列三个评测发布方的开放结果重绘图表,保留原始评分口径与数据日期。单项任务第一名不代表综合第一名。
其他评测机构与方法资料
以下仅是评测方法参考链接。未取得可核验数据和适用授权的结果,不会复制到本站。