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

qwen3-235b-a22b

关闭详情

alibaba · 语言对话 · 2026-10-08

Arena 评分: 1375.0
来源名次: 190
对战票数: 25,953
评分区间: 1370.3–1379.7

偏好评分；区间重叠时差异未必稳定。

模型许可：Apache 2.0。

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
mimo-v2-flash (thinking)#181 · xiaomi	1386.31380–1393	11,143
solar-pro4#182 · upstage	1386.21381–1392	18,407
minimax-m2.1-preview#183 · minimax	1384.61379–1390	17,248
hunyuan-turbos-20250416#184 · tencent	1383.11377–1390	10,624
gpt-4.1-mini-2025-04-14#185 · openai	1382.71378–1387	38,709
qwen3-30b-a3b-instruct-2507#186 · alibaba	1382.41378–1387	23,325
gemini-2.5-flash-lite-preview-09-2025-no-thinking#187 · google	1379.41376–1383	47,445
glm-4.6v#188 · zai	1378.71368–1390	2,839
trinity-large-preview#189 ·	1378.71374–1383	31,298
qwen3-235b-a22b#190 · alibaba	1375.01370–1380	25,953
gemini-2.5-flash-lite-preview-06-17-thinking#191 · google	1374.81370–1379	32,384
claude-3-5-sonnet-20241022#192 · anthropic	1374.11371–1377	87,779
qwen2.5-max#193 · alibaba	1373.91370–1378	32,489
glm-4.5-air#194 · zai	1373.11369–1377	30,658
claude-3-7-sonnet-20250219#195 · anthropic	1372.41368–1376	42,573
qwen3-next-80b-a3b-thinking#196 · alibaba	1369.31363–1375	13,488
trinity-large-thinking#197 ·	1367.31363–1372	30,365
gemma-3-27b-it#198 · google	1365.41362–1369	46,672
glm-4.7-flash#199 · zai	1364.71359–1370	12,020
amazon-nova-experimental-chat-11-10#200 · amazon	1364.01360–1368	26,059

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