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

internlm2_5-20b-chat

关闭详情

· 语言对话 · 2026-10-08

Arena 评分: 1190.8
来源名次: 350
对战票数: 9,901
评分区间: 1183.6–1198.0

偏好评分；区间重叠时差异未必稳定。

模型许可：Other。

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
llama-3.1-8b-instruct#341 · meta	1211.31207–1215	49,605
granite-3.1-8b-instruct#342 · ibm	1208.51197–1220	3,090
gpt-3.5-turbo-1106#343 · openai	1204.11195–1213	16,619
qwen1.5-32b-chat#344 · alibaba	1204.01198–1210	21,741
gemma-2-2b-it#345 · google	1200.11196–1204	46,616
phi-3-medium-4k-instruct#346 · microsoft	1197.91193–1203	25,055
mixtral-8x7b-instruct-v0.1#347 · mistral	1197.21193–1201	73,503
dbrx-instruct-preview#348 ·	1195.51189–1202	32,191
qwen1.5-14b-chat#349 · alibaba	1191.11184–1198	17,839
internlm2_5-20b-chat#350 ·	1190.81184–1198	9,901
deepseek-llm-67b-chat#351 · deepseek	1184.91173–1196	4,932
wizardlm-70b#352 · microsoft	1184.71175–1194	8,214
yi-34b-chat#353 ·	1183.71177–1191	15,483
granite-3.0-8b-instruct#354 · ibm	1183.11174–1192	6,638
openchat-3.5#355 ·	1183.01173–1193	7,968
openchat-3.5-0106#356 ·	1182.71175–1191	12,637
gemma-1.1-7b-it#357 · google	1182.51176–1189	23,893
snowflake-arctic-instruct#358 ·	1180.01174–1186	32,832
granite-3.1-2b-instruct#359 · ibm	1178.91168–1190	3,188
tulu-2-dpo-70b#360 ·	1177.71168–1187	6,535

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