AI Ranking · 2026.10
← 返回首页

CNERA · AUTHORITATIVE AI LEADERBOARDS

AI 排行榜

汇总全球权威评测源，从人类偏好、智能指数、编程实战、智能体、开源生态、速度、性价比到 AI 工具分类，九个维度一次读完、纵向排开，不用来回切页。本页为公开榜单的二手聚合，非原始评测；名次与成本以来源页为准，厂商自报值已逐行标注。

各榜日期 见各表表头（10-12 ~ 10-19） 来源 LMArena · Artificial Analysis · SWE-bench · ut66 更新频率 随官方源滚动

Board 01 / Human Preference

人类偏好榜 · LMArena 综合 Elo

来源：LMArena 盲测 Elo · 周榜 2026 W42（10/12–10/18）· Bradley-Terry + style control · lmarena.ai/leaderboard

千万级真实用户匿名盲测投票产生，衡量「人类更偏爱哪种回答」。注意：榜首相邻名次置信区间重叠，实质常为并列；投票偏向更长、排版更好的答案（已做风格控制）。
排名模型厂商Arena 分数备注
1
Gemini 4 Argon（High）Google 旗舰 · 多轮与长查询双料王者
Google
1525
Arena 多轮对话 1552 · 长查询 1544 均第一
2
Claude Opus 5.5（High）Anthropic 旗舰 · 综合第二
Anthropic
1507
创意写作子榜 1517 居首
3
Claude Opus 4.6（High）Anthropic 上代旗舰
Anthropic
1505
7.94 万次投票（79,415）· 高置信
4
Claude Fable 5（High）Anthropic
Anthropic
1504
视觉子榜 1324 第一
5
Claude Opus 4.7（High）Anthropic
Anthropic
1501
—
6
Claude Fable 5.1（Max）Anthropic 新旗舰
Anthropic
1501
MMMU-Pro 多模态 87.7% 全球第一
7
Claude Opus 4.6Anthropic
Anthropic
1498
—
8
Gemini 3.8 Flash（High）Google 速度型
Google
1497
—
9
Muse Spark 1.3（Max）Meta 旗舰
Meta
1494
速度榜 114 tok/s 第二
10
Claude Opus 4.7Anthropic
Anthropic
1494
—
16
Kimi K3开源阵营第一 · 总榜第 16
Moonshot AI
1488
2.8T 总参数（2779B）· 开源权重

Board 02 / Intelligence Index

智能指数榜 · Artificial Analysis v4.3.2

来源：Artificial Analysis Intelligence Index v4.3.2 · 2026-10-19 抓取 · 口径：每模型取最高档（max / high），同分并列，不含厂商自报值 · artificialanalysis.ai/leaderboards/models

AA 只公开 10 项评测清单，不公开各维度权重与私有测试集比例，因此本页不写具体权重数字。AA 同时列有 max / xhigh / high 多档，本表每模型只取最高档；同分并列。Muse Spark 1.3 为闭源，开源的对应版本是 Muse Spark Open（39 分）。
排名模型厂商智能指数备注
1
Claude Opus 5.5（Max）Anthropic 旗舰
Anthropic
58
95 tok/s · $8/M（€7.14/M）
2
Claude Sonnet 5.5（Max）Anthropic 生产力主力
Anthropic
56
135 tok/s（闭源前列）· $4/M
3
Muse Wonder Full（Max）Meta 旗舰
Meta
56
Terminal-Bench 4.0 58.08%
4
Claude Fable 5.1（Max）Anthropic 新旗舰
Anthropic
53
68 tok/s
5
GPT-6 Astra（Max）OpenAI 新旗舰
OpenAI
53
Terminal-Bench 4.0 59.60%（第 3，Vals 10/18）
6
Gemini 4 Argon（High）Google 旗舰
Google
53
Arena 人类偏好第一（1525）
7
Muse Wonder（Max）Meta
Meta
52
—
8
GPT-6.1 Sol（Max）OpenAI
OpenAI
52
Terminal-Bench 4.0 55.05%
9
Claude Opus 5（Max）Anthropic 上代旗舰
Anthropic
51
—
10
GPT-6 Sol / Muse Spark 1.3OpenAI / Meta · 同分并列
OpenAI / Meta
48
Muse Spark 1.3 为闭源（开放的是 Muse Spark Open，39 分）

Board 03 / Coding

编程实战榜 · SWE-bench Verified

来源：Vals AI SWE-bench Verified 独立复跑（500 题，Mini-SWE-agent，2026-09-01 归档停跑）· 官方 swebench.com 为厂商自提交，二者不可混排 · vals.ai/benchmarks/swebench

「能不能改真实仓库」的试金石。按 Vals AI 独立复跑，Claude Opus 5 以 97.0% 居首，DeepSeek-V4-Pro-0813 以 96.4% 居次；GLM-5.3（95.4%）、Kimi K3（93.4%）进入前十。注意：SWE-bench 已接近饱和，Vals 于 2026-09-01 归档停跑；本表只采用第三方复跑成绩，厂商系统卡自报值见下方表 B，不可混排。
成本口径 / How to read

成本口径：下表 $ 为 Vals AI 的单题成本（Cost/Test），按各厂商挂牌价 × 实测 token 用量计算。跑完 500 题的总成本 ≈ 单题成本 × 500。厂商系统卡自报成绩不含成本数据，因此不参与成本横比。本页不与 Board 04 的 Terminal-Bench 成本混算 —— 两者任务粒度不同。

排名模型厂商解决率单题成本 / 500 题估算
1
Claude Opus 5Anthropic 旗舰 · 复跑第一
Anthropic
97.0%
$1.29/题500 题 ≈ $645
2
DeepSeek-V4-Pro-0813开源 · 成本最低档
DeepSeek
96.4%
$0.10/题500 题 ≈ $50
3
GPT-5.6 SolOpenAI
OpenAI
96.2%
$1.15/题500 题 ≈ $575
4
Grok 4.6xAI
xAI
95.6%
$0.78/题500 题 ≈ $390
5
GPT-5.6 TerraOpenAI
OpenAI
95.4%
$0.40/题500 题 ≈ $200
6
GLM-5.3智谱 · 开源
Z.ai（智谱）
95.4%
$0.34/题500 题 ≈ $170
7
Claude Fable 5Anthropic
Anthropic
95.0%
$2.05/题500 题 ≈ $1,025
8
Kimi K3Moonshot · 开源
Moonshot AI
93.4%
$0.76/题500 题 ≈ $380
9
GPT-5.6 LunaOpenAI · 单题成本最低
OpenAI
93.0%
$0.04/题500 题 ≈ $20
10
GLM-5.3 Flash智谱 · 轻量档
Z.ai（智谱）
92.0%
$0.02/题500 题 ≈ $10

表 B · 厂商系统卡自报（不计入排名，仅供对照）

—模型厂商自报成绩口径
·
Claude Opus 5
Anthropic
96.0%
系统卡，5 次平均
·
Claude Mythos 5
Anthropic
95.5%
系统卡，5 次平均
·
Claude Fable 5
Anthropic
95.0%
系统卡，5 次平均
·
Claude Mythos Preview
Anthropic
93.9%
预览版自报
Opus 5 的第三方复跑为 97.0%，高于其自报 96.0% —— 说明自报值不构成上限，两者混排会系统性压低第三方成绩，故本页拆表呈现。

Board 04 / Agentic

智能体榜 · Terminal-Bench 4.0 + Arena Agent

来源：Vals AI Terminal-Bench 4.0 复跑（66 项，Mini-SWE-agent，avg@3）· 2026-10-18 · 成本为单题 API 账单（Cost/Test），跑完 66 项 ≈ ×66 · vals.ai/benchmarks/terminal-bench-4

2026 的主战场是 Agent：不考答题，考「在终端里自己把活干完」。本榜统一用 Mini-SWE-agent harness 跑同一套终端任务，口径可比；Anthropic 自报的 Opus 5.5 为 66.4%（自建 harness，未经第三方复现），本文不将其与本表混排。另：DeepSeek-V4.1-Flash-1017 在 AA 口径 26.8% / Vals 口径 31.82%，均低于本榜第 10 名的 44.44%，故未进榜。
排名模型厂商Terminal-Bench 4.0单题成本 / 总耗时
1
Claude Opus 5.5Anthropic 旗舰 · 终端任务全胜
Anthropic
65.15%
$13.20（全程 ≈ $871）· 1h04m
2
Claude Sonnet 5.5高性价比档，仅次于自家旗舰
Anthropic
64.14%
$16.51 · 1h22m
3
GPT-6 Astra（Max）OpenAI 旗舰
OpenAI
59.60%
$9.58 · 35m42s
4
Claude Fable 5.1Anthropic 新旗舰
Anthropic
58.08%
$17.18 · 1h00m
5
Muse Wonder FullMeta 旗舰 · 与 Fable 5.1 并列
Meta
58.08%
$10.53 · 1h12m
6
Gemini 4 ArgonGoogle 旗舰
Google
57.58%
$17.64 · 53m35s
7
GPT-6.1 Sol全表最便宜的高分档
OpenAI
55.05%
$1.72 · 45m12s
8
Claude Opus 5Anthropic 上代旗舰
Anthropic
53.53%
$18.60 · 1h07m
9
Muse WonderMeta 轻量档
Meta
49.49%
$14.66 · 54m41s
10
GPT-6 SolOpenAI 上一代
OpenAI
44.44%
$5.79 · 34m56s

Board 05 / Open Weights

开源模型榜 · Intelligence Index

来源：The Open Weights 汇总 Artificial Analysis 开源权重模型数据 · 2026-10-19 抓取 · 第 1–2 名按 AA 1017 版（GLM-5.3 与 DeepSeek V4.1 Flash 同为 45）· † 为厂商自测值 · artificialanalysis.ai

可自托管、可商用微调的开源阵营。智谱 GLM-5.3（45）与 DeepSeek V4.1 Flash（45）同分领跑，月之暗面 Kimi K3（44）紧随，不写「第一」。† DeepSeek-V4.1-Flash-1017 的编程分 77.0 为厂商自测（Mini-SWE-V2 跑 DeepSWE v1.1），与本表其余行的 SWE-bench 口径不同，不作横比。AA 不跑 SWE-bench；独立 SWE-bench 数据来自 Vals AI（见 Board 03），厂商自报值与第三方复跑不可混排。第 4–10 行为 10-15 快照，待 AA 开源榜逐行复核。
排名模型厂商智能指数编程 / 速度 / 价格
1
GLM-5.3智谱 · 753B MoE
Z.ai（智谱）
45
74.8 · 95 t/s · $2.15（混合价）
2
DeepSeek V4.1 Flash1017 版 · 与 GLM-5.3 同分
DeepSeek
45
77.0† · 227 t/s · $0.53
3
Kimi K3Moonshot · 2779B
Moonshot AI
44
76.2 · 42 t/s · $6
4
GLM-5.3-Flash智谱 · 轻量高速
Z.ai（智谱）
41.8
71.5 · 63 t/s · $0.24
5
Qwen3.8 2.4T A95B阿里 · 超大规模 MoE
Alibaba
39.9
71.9 · 41 t/s · $3
6
Qwen3.8-Flash-Next阿里
Alibaba
39.8
73.1 · 52 t/s · $0.23
7
DeepSeek V4 Pro 0813编程榜第二
DeepSeek
36
68.8 · 109.5 t/s · $1.98
8
DeepSeek V4 Flash VisionDeepSeek · 多模态
DeepSeek
34.8
65 · 168 t/s · $0.66
9
DeepSeek V4 Flash 0731DeepSeek
DeepSeek
34.3
69.1 · — · $0.66
10
GLM-5.2智谱 · 上代开源旗舰
Z.ai（智谱）
33.7
68.8 · — · $2.15

Board 06 / Speed

输出速度榜 · tokens/s

来源：Artificial Analysis 实测输出速度（P50 中位）· 2026-10-19 抓取 · artificialanalysis.ai

流式体验的第一指标，按 AA 实测中位输出速度降序排列。DeepSeek V4.1 Flash 实测 227 tok/s，为主流旗舰第一；AA 全站最快为 Celeris-1、K2 Horizon 375B A23B、Mercury 2.5、Gemini 3.5 Flash-Lite 等专用高速模型，未列入本表。
排名模型厂商输出速度备注
1
DeepSeek V4.1 Flash1017 版 · 主流旗舰最快
DeepSeek
227 tok/s
开源 · 1M 上下文
2
Muse Spark 1.3Meta · 闭源
Meta
144 tok/s
闭源（Meta 未开放该版本权重）
3
Claude Sonnet 5.5Anthropic
Anthropic
135 tok/s
闭源前列 · 智能指数 56
4
DeepSeek V4 ProDeepSeek 旗舰
DeepSeek
109 tok/s
—
5
GLM-5.3智谱 · 开源
Z.ai（智谱）
95 tok/s
开源
6
Claude Opus 5.5Anthropic
Anthropic
95 tok/s
智能指数第一
7
Claude Fable 5.1Anthropic
Anthropic
68 tok/s
—
8
GPT-6 AstraOpenAI
OpenAI
68 tok/s
Terminal-Bench 第 3
9
GPT-6.1 SolOpenAI
OpenAI
60 tok/s
—
10
Kimi K3Moonshot · 开源
Moonshot AI
42 tok/s
开源

Board 07 / Cost Efficiency

性价比榜 · 每任务成本

来源：Collective Brain 基于 Artificial Analysis 数据（ECB 汇率折算欧元，2,000 token × 3:1 输入输出混合）· 2026-10-19 · DeepSeek 两款按其官网挂牌价单列（V4-Pro 峰值 $1.32/$3.96 ≈ €1.18/€3.53；V4.1 Flash €0.49/M 混合）

同样一个典型任务（2,000 token 输入输出混合）花多少钱，按成本从低到高排列。DeepSeek V4.1 Flash 约 0.09 欧分居首，MiMo-V2.6-Pro 约 0.10 欧分紧随；V4-Pro 按官网峰值价折算约 0.35 欧分（低谷约 0.18），并非最低。闭源阵营里 Sonnet 5.5（0.71 欧分）是「智能/成本」平衡点。条形长度为成本优势示意：条越长，单位任务越省。
排名模型厂商每任务成本备注
1
DeepSeek V4.1 Flash轻量档 · 227 t/s
DeepSeek
0.09 ct
低谷约 0.05 ct · €0.49/M 混合
2
MiMo-V2.6-Pro小米 · 开源
Xiaomi
0.10 ct
€0.49/M · ≈ Opus 5.5 的 1/14
3
DeepSeek V4 Pro 0813旗舰档 · 编程榜第二
DeepSeek
0.35 ct
峰值 €1.77/M · 低谷 0.18 ct
4
Muse Spark 1.3Meta · 闭源
Meta
0.36 ct
€1.78/M · 144 tok/s
5
GLM-5.3智谱 · 开源
Z.ai（智谱）
0.38 ct
€1.92/M · 编程 74.8
6
Qwen3.8 Max阿里 · 开源
Alibaba
0.54 ct
€2.68/M
7
Claude Sonnet 5.5Anthropic
Anthropic
0.71 ct
闭源性价比首选 · €3.57/M
8
Gemini 4 ArgonGoogle
Google
0.71 ct
€3.57/M · 人类偏好榜首
9
GPT-6.1 SolOpenAI
OpenAI
0.71 ct
€3.57/M · 智能指数 52
10
Claude Opus 5.5Anthropic
Anthropic
1.43 ct
€7.14/M · 智能指数第一
11
Claude Fable 5.1Anthropic
Anthropic
3.57 ct
€17.85/M
12
GPT-6 AstraOpenAI
OpenAI
3.57 ct
€17.85/M · Terminal-Bench 第 3
本表为 2,000 token × 3:1 混合价折算，非 AA 的 cost/task 口径；AA 口径下最低为 K2 Horizon、Gemma 4 31B，与本表不可直接横比。

Board 08 / AI Tools

AI 工具目录评分榜

来源：ut66.com（优推AI·视频工厂）工具评分（编辑评分 + 用户评分综合，115 款工具）· 数据 2026-10-14 · 非独立实验室测试，分数为目录评分

面向「拿来就用」的工具侧榜单，评分为目录站编辑 + 用户综合分，非实验室实测。图像生成 DALL-E 3 以 8.9 分居首；编程与通用助手两个类目头部咬得很紧。
排名工具类目综合分备注
1
DALL-E 3图像生成
图像生成
8.9
—
2
GitHub CopilotAI 编程
编程
8.8
$10/月 · 编辑器内补全
3
ChatGPTAI 写作
写作
8.8
Plus $20/月 · 最全能的通用助手
4
Canva AI设计
设计
8.7
营销视觉最快通路
5
Google GeminiAI 写作
写作
8.6
Google 生态原生集成
6
Veo图生视频
图生视频
8.6
Google · 4K 同步对白
7
DeepL翻译
翻译
8.6
翻译质量基准
8
Stable Diffusion图像生成
图像生成
8.6
开源生态最庞大
9
Midjourney图像生成
图像生成
8.6
$10-60/月 · 艺术感天花板
10
通义千问AI 写作
写作
8.6
中文写作第一梯队

Board 09 / Tools by Category

AI 工具分类榜

来源：ut66.com（优推AI）分类评分（2026-10-14）· 定价信息参考 techiehub / simplilearn（2026-10）

按活儿选工具，别按名气。每个类目只列前五，括注为 2026 年 10 月主流定价。

AI 编程 7 款参评

1GitHub Copilot8.8
2通义灵码7.8
3豆包 MarsCode7.8
4Codeium7.8
5Cursor7.3

AI 图像生成 9 款参评

1DALL-E 38.9
2Midjourney8.6
3Stable Diffusion8.6
4通义万相8.2
5SeaArt AI8.0

文生视频 11 款参评

1Vidu8.2
2Runway8.1
3Luma Dream Machine8.1
4可灵 AI8.0
5Seedance8.0

AI 写作 12 款参评

1ChatGPT8.8
2Google Gemini8.6
3通义千问8.6
4豆包7.8
5DeepSeek7.8

AI 办公 7 款参评

1Microsoft Copilot8.0
2Notion AI7.5
3腾讯 WorkBuddy7.5
4WPS AI7.3
5飞书妙计7.3

AI 视频剪辑 7 款参评

1剪映8.3
2CapCut8.3
3Descript8.3
4Klap8.2
5必剪7.4

AI 短剧生成 6 款参评

1Wink8.3
2快影7.9
3SkyReels7.1
4一帧秒创7.1
5ReelMagic7.1

AI 音频音乐 6 款参评

1Suno8.3
2Mubert7.9
3海绵音乐7.8
4Udio7.3
5AIVA7.3

数据来源与口径

LMArena — 盲测 Elo，周榜 2026 W42（10/12–10/18）
Artificial Analysis — Intelligence Index v4.3.2 / 速度 / 价格，2026-10-19 抓取
SWE-bench Verified — Vals AI 独立复跑（500 题，2026-09-01 归档）；swebench.com 为厂商自提交
Terminal-Bench 4.0 — Vals AI 复跑（66 题，avg@3，2026-10-18）；官方榜 tbench.ai
DeepSeek 官方定价 — api-docs.deepseek.com/quick_start/pricing
ut66.com — 115 款工具目录评分（编辑 + 用户），非实验室实测，2026-10-14

免责声明：本页为公开榜单的二手聚合，非原始评测；各榜单方法论与统计口径不同，不可直接横向换算，名次相近者置信区间常重叠。厂商自报值已逐行标注、未计入排名。价格以各厂商官网实时报价为准。CNERA 不对依据本页做出的选型决策承担责任。