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

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
claude-opus-4-5-20251101-high-32k#41 · anthropic	1473.71470–1478	37,527
gpt-5.5-instant#42 · openai	1472.91468–1478	27,187
gemini-3-flash#43 · google	1472.91469–1477	31,337
claude-sonnet-4-6#44 · anthropic	1472.01468–1476	70,971
grok-4.20-beta-0309-reasoning#45 · xai	1471.61468–1475	66,524
grok-4.20-multi-agent-beta-0309#46 · xai	1470.51467–1474	65,008
claude-opus-4-5-20251101#47 · anthropic	1469.81467–1473	72,952
mimo-v2.5-pro#48 · xiaomi	1467.71464–1471	73,197
ernie-5.1#49 · baidu	1467.21463–1472	39,536
gpt-5.6-terra-xhigh#50 · openai	1465.81462–1470	40,278
grok-4.5#51 · xai	1465.81461–1470	39,953
grok-4.1-thinking#52 · xai	1465.11462–1468	66,511
gpt-5.4#53 · openai	1464.71461–1468	67,932
qwen3.5-max-preview#54 · alibaba	1464.71460–1470	22,624
deepseek-v4-pro-high-20260813#55 · deepseek	1464.51458–1471	9,815
glm-5.1#56 · zai	1464.41461–1468	60,592
claude-sonnet-5-high#57 · anthropic	1461.01457–1465	47,576
kimi-k2.6#58 · moonshot	1460.81456–1465	40,066
qwen3.6-max-preview#59 · alibaba	1460.31452–1469	5,426
grok-4.1#60 · xai	1459.01456–1462	68,682

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：2026/10/11 08:26（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