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
llama-2-13b-chat#381 · meta	1141.41135–1148	19,174
qwen-14b-chat#382 · alibaba	1139.31128–1150	4,964
palm-2#383 · google	1139.11130–1148	8,554
gemma-7b-it#384 · google	1137.71128–1147	8,925
codellama-34b-instruct#385 · meta	1136.81128–1146	7,366
zephyr-7b-beta#386 ·	1130.81122–1140	11,118
phi-3-mini-128k-instruct#387 · microsoft	1129.81122–1137	20,685
phi-3-mini-4k-instruct#388 · microsoft	1128.11122–1135	20,118
guanaco-33b#389 ·	1127.51115–1140	2,921
zephyr-7b-alpha#390 ·	1126.91111–1142	1,785
stripedhyena-nous-7b#391 ·	1121.61111–1133	5,182
codellama-70b-instruct#392 · meta	1119.21101–1137	1,143
gemma-1.1-2b-it#393 · google	1116.61109–1124	10,854
vicuna-7b#394 ·	1115.31106–1124	6,923
smollm2-1.7b-instruct#395 ·	1114.71100–1129	2,199
llama-3.2-1b-instruct#396 · meta	1111.11103–1119	8,045
mistral-7b-instruct#397 · mistral	1110.31101–1120	8,977
llama-2-7b-chat#398 · meta	1107.91101–1115	14,148
gemma-2b-it#399 · google	1093.61082–1105	4,780
qwen1.5-4b-chat#400 · alibaba	1091.11082–1100	7,597

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