模型能力评测

重点更新

Tibo 表示，模型的方向调整功能（steering）已改为即时响应：用户在模型执行过程中调整要求，模型能更快跟进，实时纠正方向，减少沿错误方向继续投入的工作。他同时宣布发布 GPT-6.1 Sol ultrafast，并称它与这项改进配合良好。

查看资料

GPT-6发布说明

OpenAI10/08

Intelligent UI 进入日常聊天

OpenAI 在 ChatGPT 全球推出带 Intelligent UI 的 GPT-6，今天覆盖 Plus、Pro、Business 和 Enterprise，明天起扩展至 Free 与 Go。Plus、Pro、Business 和 Enterprise 使用 GPT-6 Sol，Free 与 Go 使用 GPT-6 Luna；此次更新仅适用于 Chat tab，Work 和 Codex 的模型不变。

查看资料

Gemini 3.8 Live发布说明

Google DeepMind09/25

边调用工具，边进行音视频交流

Google 于9月24日推出 Gemini 3.8 Live with Live Avatar，结合近实时视频生成与语音，在后台异步调用工具时可继续交流。官方称其支持97种语言，当日已在 Gemini Enterprise 提供；自定义 Avatar 可由参考图生成，但创建目前仅向企业白名单开放。音视频输出包含 SynthID 水印，尚未宣布向免费个人用户普遍开放。

查看资料

语言对话 · Arena ↗2026-10-08

amazon-nova-experimental-chat-10-09

关闭详情

amazon · 语言对话 · 2026-10-08

Arena 评分: 1346.3
来源名次: 222
对战票数: 2,781
评分区间: 1335.4–1357.2

偏好评分；区间重叠时差异未必稳定。

模型许可：Proprietary。

原始成绩 ↗

414 个模型

语言对话公开偏好成绩，2026-10-08
模型／机构	Arena 评分	对战票数
qwen3-32b#221 · alibaba	1346.91337–1356	3,926
amazon-nova-experimental-chat-10-09#222 · amazon	1346.31335–1357	2,781
gpt-4o-2024-05-13#223 · openai	1346.11343–1350	112,881
qwen-plus-0125#224 · alibaba	1345.91338–1354	5,819
mercury-2#225 · inception-ai	1343.71333–1354	3,201
ling-flash-2.0#226 · ant-group	1343.61336–1351	6,951
minimax-m2#227 · minimax	1343.31336–1351	6,860
claude-3-5-sonnet-20240620#228 · anthropic	1343.21340–1347	82,419
nvidia-llama-3.3-nemotron-super-49b-v1.5#229 · nvidia	1343.11333–1353	3,327
glm-4-plus-0111#230 · zai	1342.81334–1351	5,760
gemma-3-12b-it#231 · google	1341.81332–1351	3,829
hunyuan-turbo-0110#232 · tencent	1340.71329–1352	2,290
granite-4.2-30b#233 · ibm	1339.71329–1350	3,410
gpt-5-nano-high#234 · openai	1337.41330–1344	8,140
o1-mini#235 · openai	1336.81333–1341	51,981
gemini-advanced-0514#236 · google	1335.91331–1341	50,148
grok-2-2024-08-13#237 · xai	1335.71332–1339	63,498
qwq-32b#238 · alibaba	1335.71331–1340	25,181
gpt-4o-2024-08-06#239 · openai	1335.51331–1340	45,499
llama-3.1-405b-instruct-bf16#240 · meta	1335.41332–1339	41,375

数据来源

Arena · CC BY 4.0 · 固定版本

用户偏好评分，非正确率。下方小字为置信区间；临时成绩状态见原榜。本站选取 overall 分类、翻译字段并舍入显示，原始值保留。

每日 08:30 同步 · 最近成功：2026/10/12 08:29（北京时间）

历史专项测试：MMLU-Pro / GenEval

执行中调整方向，即时响应

Intelligent UI 进入日常聊天

边调用工具，边进行音视频交流