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

ring-flash-2.0

关闭详情

ant-group · 语言对话 · 2026-10-08

Arena 评分: 1322.8
来源名次: 254
对战票数: 6,993
评分区间: 1315.5–1330.0

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
nova-2-lite#241 · amazon	1334.81329–1341	12,417
llama-3.1-405b-instruct-fp8#242 · meta	1333.61330–1337	59,656
step-2-16k-exp-202412#243 · stepfun	1333.61325–1342	4,833
olmo-3.1-32b-instruct#244 · allenai	1329.31323–1335	11,820
yi-lightning#245 ·	1328.31323–1333	27,332
llama-3.3-nemotron-49b-super-v1#246 · nvidia	1327.81316–1340	2,218
llama-4-maverick-17b-128e-instruct#247 · meta	1327.01323–1331	39,453
qwen3-30b-a3b#248 · alibaba	1326.61322–1331	26,160
hunyuan-large-2025-02-10#249 · tencent	1326.31317–1336	3,738
claude-3-5-haiku-20241022#250 · anthropic	1324.71321–1328	69,064
gpt-4-turbo-2024-04-09#251 · openai	1324.51321–1328	98,114
gemini-1.5-pro-001#252 · google	1324.01320–1328	79,138
deepseek-v2.5-1210#253 · deepseek	1323.41315–1332	6,795
ring-flash-2.0#254 · ant-group	1322.81315–1330	6,993
gpt-4.1-nano-2025-04-14#255 · openai	1322.31315–1330	6,103
claude-3-opus-20240229#256 · anthropic	1322.21319–1325	194,909
molmo-2-8b#257 · allenai	1322.01301–1343	823
llama-4-scout-17b-16e-instruct#258 · meta	1321.51317–1326	29,836
step-1o-turbo-202506#259 · stepfun	1319.81313–1327	8,906
glm-4-plus#260 · zai	1319.41314–1324	26,126

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