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
qwen3-235b-a22b-thinking-2507#161 · alibaba	1400.01393–1407	8,822
qwen3-next-80b-a3b-instruct#162 · alibaba	1398.71394–1403	22,763
deepseek-r1#163 · deepseek	1398.11393–1403	18,524
qwen3.5-flash#164 · alibaba	1396.01392–1400	61,845
deepseek-v3-0324#165 · deepseek	1395.21391–1399	44,989
qwen3-vl-235b-a22b-thinking#166 · alibaba	1394.71388–1402	7,868
qwen3.5-35b-a3b#167 · alibaba	1393.81390–1398	30,493
hunyuan-vision-1.5-thinking#168 · tencent	1393.81381–1406	2,171
step-3.5-flash#169 · stepfun	1393.21390–1397	60,381
amazon-nova-experimental-chat-12-10#170 · amazon	1393.11384–1403	3,740
mimo-v2-flash (non-thinking)#171 · xiaomi	1391.61388–1395	48,117
o4-mini-2025-04-16#172 · openai	1390.91387–1395	44,858
claude-sonnet-4-20250514#173 · anthropic	1390.91386–1395	39,172
minimax-m2.5#174 · minimax	1390.91387–1395	42,858
gpt-5-mini-high#175 · openai	1389.91385–1395	26,810
o1-preview#176 · openai	1388.61384–1394	31,122
claude-3-7-sonnet-20250219-thinking-32k#177 · anthropic	1388.31384–1392	38,162
qwen3-coder-480b-a35b-instruct#178 · alibaba	1387.51383–1392	25,197
mistral-medium-2505#179 · mistral	1387.31383–1392	32,786
hunyuan-t1-20250711#180 · tencent	1387.21379–1396	4,594

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