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

phi-4

关闭详情

microsoft · 语言对话 · 2026-10-08

Arena 评分: 1256.3
来源名次: 318
对战票数: 24,126
评分区间: 1251.7–1260.9

偏好评分；区间重叠时差异未必稳定。

模型许可：MIT。

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
gemma-2-9b-it-simpo#301 ·	1280.41274–1287	10,072
nemotron-4-340b-instruct#302 · nvidia	1277.21272–1282	19,659
llama-3-70b-instruct#303 · meta	1276.61273–1280	156,876
command-r-plus-08-2024#304 · cohere	1276.31270–1283	9,866
gpt-4-0613#305 · openai	1276.21272–1280	88,723
mistral-small-24b-instruct-2501#306 · mistral	1274.41268–1280	14,681
glm-4-0520#307 · zai	1273.41266–1280	9,788
reka-flash-20240904#308 ·	1272.41265–1279	7,536
qwen2.5-coder-32b-instruct#309 · alibaba	1270.61262–1279	5,432
c4ai-aya-expanse-32b#310 · cohere	1267.31262–1272	27,124
gemma-2-9b-it#311 · google	1267.01263–1271	54,611
deepseek-coder-v2#312 · deepseek	1265.31259–1272	15,147
qwen2-72b-instruct#313 · alibaba	1261.81257–1267	37,325
command-r-plus#314 · cohere	1261.81257–1266	77,554
claude-3-haiku-20240307#315 · anthropic	1261.61258–1265	117,701
amazon-nova-lite-v1.0#316 · amazon	1260.41255–1266	19,372
gemini-1.5-flash-8b-001#317 · google	1258.81255–1263	35,558
phi-4#318 · microsoft	1256.31252–1261	24,126
olmo-2-0325-32b-instruct#319 · allenai	1251.71241–1262	3,334
command-r-08-2024#320 · cohere	1250.41244–1257	10,140

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