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

llama-3.1-nemotron-70b-instruct

关闭详情

nvidia · 语言对话 · 2026-10-08

Arena 评分: 1298.8
来源名次: 285
对战票数: 7,140
评分区间: 1291.0–1306.5

偏好评分；区间重叠时差异未必稳定。

模型许可：Llama 3.1。

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
granite-4.1-8b#281 · ibm	1304.01294–1314	4,184
gemma-3-4b-it#282 · google	1303.31294–1313	4,171
qwen2.5-72b-instruct#283 · alibaba	1302.91299–1307	39,406
mistral-small-3.1-24b-instruct-2503#284 · mistral	1302.81298–1307	32,744
llama-3.1-nemotron-70b-instruct#285 · nvidia	1298.81291–1307	7,140
hunyuan-large-vision#286 · tencent	1293.91285–1303	5,280
llama-3.1-70b-instruct#287 · meta	1293.41290–1297	55,240
granite-4.2-8b#288 · ibm	1290.21279–1301	3,253
amazon-nova-pro-v1.0#289 · amazon	1290.11286–1295	24,745
granite-4.2-3b#290 · ibm	1289.61278–1301	3,251
gemma-2-27b-it#291 · google	1289.41286–1293	75,754
jamba-1.5-large#292 ·	1289.41282–1297	8,662
reka-core-20240904#293 ·	1288.01281–1295	7,312
gpt-4-0314#294 · openai	1287.81283–1293	54,173
ibm-granite-h-small#295 · ibm	1287.21279–1296	5,635
olmo-3.1-32b-think#296 · allenai	1286.81280–1294	8,301
llama-3.1-nemotron-51b-instruct#297 · nvidia	1286.61277–1297	3,749
gemini-1.5-flash-001#298 · google	1286.51282–1291	62,833
llama-3.1-tulu-3-70b#299 · allenai	1286.11276–1297	2,846
claude-3-sonnet-20240229#300 · anthropic	1281.31277–1285	109,284

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