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-10-20

关闭详情

amazon · 语言对话 · 2026-10-08

Arena 评分: 1348.0
来源名次: 219
对战票数: 11,633
评分区间: 1341.9–1354.2

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
grok-3-mini-high#201 · xai	1363.91358–1369	15,600
minimax-m1#202 · minimax	1363.81359–1368	34,313
o3-mini-high#203 · openai	1363.61358–1369	18,589
nvidia-nemotron-3-super-120b-a12b#204 · nvidia	1360.31353–1367	7,875
gemini-2.0-flash-001#205 · google	1359.91356–1364	43,454
deepseek-v3#206 · deepseek	1358.41354–1363	21,770
grok-3-mini-beta#207 · xai	1358.21353–1363	20,937
mistral-small-2506#208 · mistral	1356.21351–1361	17,466
intellect-3#209 ·	1355.91348–1364	5,435
command-a-03-2025#210 · cohere	1353.71350–1357	55,769
gemini-2.0-flash-lite-preview-02-05#211 · google	1353.61349–1358	24,955
glm-4.5v#212 · zai	1352.01344–1360	4,824
gpt-oss-120b#213 · openai	1351.81347–1356	30,218
gemini-1.5-pro-002#214 · google	1351.31348–1355	55,606
nvidia-nemotron-3.5-lightning-30b-a3b-nvfp4#215 · nvidia	1349.41344–1355	17,120
step-3#216 · stepfun	1349.11342–1357	6,292
hunyuan-turbos-20250226#217 · tencent	1348.91337–1361	2,220
o3-mini#218 · openai	1348.01344–1352	56,750
amazon-nova-experimental-chat-10-20#219 · amazon	1348.01342–1354	11,633
llama-3.1-nemotron-ultra-253b-v1#220 · nvidia	1347.61336–1359	2,549

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