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-no-thinking

关闭详情

alibaba · 语言对话 · 2026-10-08

Arena 评分: 1402.2
来源名次: 157
对战票数: 37,497
评分区间: 1397.7–1406.7

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
claude-opus-4-20250514#141 · anthropic	1414.11410–1418	43,055
claude-haiku-4-5-20251001#142 · anthropic	1414.01412–1416	146,351
mistral-large-3#143 · mistral	1413.81411–1417	81,759
qwen3-vl-235b-a22b-instruct#144 · alibaba	1413.51407–1420	11,325
amazon-nova-experimental-chat-26-01-10#145 · amazon	1412.81403–1423	3,545
grok-3-preview-02-24#146 · xai	1411.41407–1416	32,502
grok-4-0709#147 · xai	1411.01407–1415	39,691
glm-4.5#148 · zai	1411.01406–1416	23,803
gemini-2.5-flash#149 · google	1409.31407–1412	125,562
hunyuan-hy3-preview#150 · tencent	1408.91401–1416	6,893
qwen3.5-27b#151 · alibaba	1408.81404–1413	28,677
mistral-medium-2508#152 · mistral	1407.71405–1410	95,354
Inkling Small#153 · thinky	1405.31401–1410	29,528
grok-4-fast-reasoning#154 · xai	1405.31400–1410	18,276
gemini-2.5-flash-preview-09-2025#155 · google	1403.11399–1407	32,993
o1-2024-12-17#156 · openai	1402.31398–1407	27,807
qwen3-235b-a22b-no-thinking#157 · alibaba	1402.21398–1407	37,497
claude-sonnet-4-20250514-thinking-32k#158 · anthropic	1401.71397–1406	34,149
gpt-5.4-nano-high#159 · openai	1401.31398–1405	62,468
longcat-flash-chat#160 · meituan	1401.01395–1407	11,174

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