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
olmo-7b-instruct#401 · allenai	1073.71063–1085	6,328
koala-13b#402 ·	1070.91061–1081	6,965
alpaca-13b#403 ·	1070.11059–1081	5,745
gpt4all-13b-snoozy#404 ·	1067.61052–1083	1,743
mpt-7b-chat#405 ·	1063.41051–1075	3,924
chatglm3-6b#406 ·	1056.51045–1068	4,658
RWKV-4-Raven-14B#407 ·	1042.31031–1054	4,845
chatglm2-6b#408 ·	1024.71011–1038	2,658
oasst-pythia-12b#409 ·	1023.51013–1034	6,310
chatglm-6b#410 ·	995.8983–1008	4,914
fastchat-t5-3b#411 ·	992.5980–1005	4,203
dolly-v2-12b#412 ·	982.4969–996	3,412
llama-13b#413 · meta	975.0959–991	2,391
stablelm-tuned-alpha-7b#414 ·	953.2941–966	3,287

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