Newshot

AI 大模型周榜:谷歌 Gemini 4 Carbon 首秀强势登顶,国产模型稳居视频榜前五阵营

Summary

IT之家 11 月 16 日消息,Arena( arena.ai )平台发布了 2026 年第 46 周(2026 年 11 月 9 日 ~11 月 15 日)大模型盲测投票榜单。 本周最大看点来自谷歌:新模型 Gemini 4 Carbon (High) 首秀便以 1526 分登顶综合榜,同家族的 Gemini 4 Argon (High) 以 1522 分紧随其后,两者仅差 4 分,在误差范围内视为并列第一。 国产模型方面,前端开发榜上 月之暗面 kimi k3.1 pro (Max) 首次杀入第 12 名,成为榜单中排名最高的国产模型;AI 视频榜上,字节跳动 dreamina seedance 2.0 / 2.5 分别占据第 6、7 名,阿里 wan 3.0 位列第 8 名,国产阵营在视频生成赛道已稳定占据第一梯队。 整体来看,本周榜单呈现“谷歌新王登顶、Anthropic 固守智能体与前端、国产模型在多模态赛道持续渗透”的格局。 IT之家注 :本榜单基于 Arena( arena.ai )平台匿名盲测投票,通过 ELO(智能体榜为百分比信号)计算排名,反映用户主观偏好而非绝对能力测试;不同分榜相互独立,不宜跨榜比较,分差在误差范围内均视为并列,新模型也需积累一定投票量后才会正式入榜。 综合榜 综合榜本周格局发生显著变化,谷歌新推出的 Gemini 4 Carbon (High) 以 1526 分空降第 1 名,紧随其后的是同家族老型号 Gemini 4 Argon (High) 以 1522 分位列第 2 名,两者分差仅 4 分,在置信区间内视为并列头部。 Meta 的 Muse Wonder (Max) 以 1511 分位列第 3 名,Anthropic 的 Claude Opus 5.5 (High) 以 1507 分位列第 4 名。 值得注意的是,Top 8 中 Anthropic 独占 5 席(Claude Opus 5.5、Claude Fable 5、Claude Opus 4.6、Claude Fable 5.1、Claude Opus 4.7),家族式占位特征明显,但分数差距极小,均在 6 分以内。 Claude Opus 4.8 (High) 以 1482 分位列第 27 名,是 Anthropic 阵营中排名下滑最明显的型号,被多款同梯…

Original text(via IT之家)

AI 大模型周榜:谷歌 Gemini 4 Carbon 首秀强势登顶,国产模型稳居视频榜前五阵营

IT之家 11 月 16 日消息,Arena(arena.ai)平台发布了 2026 年第 46 周(2026 年 11 月 9 日 ~11 月 15 日)大模型盲测投票榜单。

本周最大看点来自谷歌:新模型 Gemini 4 Carbon (High) 首秀便以 1526 分登顶综合榜,同家族的 Gemini 4 Argon (High) 以 1522 分紧随其后,两者仅差 4 分,在误差范围内视为并列第一。

国产模型方面,前端开发榜上月之暗面 kimi k3.1 pro (Max) 首次杀入第 12 名,成为榜单中排名最高的国产模型;AI 视频榜上,字节跳动 dreamina seedance 2.0 / 2.5 分别占据第 6、7 名,阿里 wan 3.0 位列第 8 名,国产阵营在视频生成赛道已稳定占据第一梯队。

整体来看,本周榜单呈现“谷歌新王登顶、Anthropic 固守智能体与前端、国产模型在多模态赛道持续渗透”的格局。

IT之家注:本榜单基于 Arena(arena.ai)平台匿名盲测投票,通过 ELO(智能体榜为百分比信号)计算排名,反映用户主观偏好而非绝对能力测试;不同分榜相互独立,不宜跨榜比较,分差在误差范围内均视为并列,新模型也需积累一定投票量后才会正式入榜。

综合榜

综合榜本周格局发生显著变化,谷歌新推出的 Gemini 4 Carbon (High) 以 1526 分空降第 1 名,紧随其后的是同家族老型号 Gemini 4 Argon (High) 以 1522 分位列第 2 名,两者分差仅 4 分,在置信区间内视为并列头部。

Meta 的 Muse Wonder (Max) 以 1511 分位列第 3 名,Anthropic 的 Claude Opus 5.5 (High) 以 1507 分位列第 4 名。

值得注意的是,Top 8 中 Anthropic 独占 5 席(Claude Opus 5.5、Claude Fable 5、Claude Opus 4.6、Claude Fable 5.1、Claude Opus 4.7),家族式占位特征明显,但分数差距极小,均在 6 分以内。Claude Opus 4.8 (High) 以 1482 分位列第 27 名,是 Anthropic 阵营中排名下滑最明显的型号,被多款同梯队模型反超。

国产模型在综合榜中处于中游位置,与头部仍有 40 分左右的差距:

  • 月之暗面 Kimi K3.1 Pro (Max) 排名最高,位列第 24 名,ELO 1485 分;
  • 月之暗面 Kimi K3 (Max) 位列第 20 名,ELO 1487 分;
  • 阿里 Qwen 3.8 Max 位列第 25 名,ELO 1484 分;
  • 智谱 GLM 5.3 (Max) 位列第 28 名,ELO 1482 分。
排名模型厂商分数 (±CI)票数价格 ($/M) 输入 / 输出上下文
1Gemini 4 Carbon (High)Google1526 ±104273$$2 / $10N/A
2Gemini 4 Argon (High)Google1522 ±520779$$2 / $101M
3Muse Wonder (Max)Meta1511 ±612696$$4 / $201M
4Claude Opus 5.5 (High)Anthropic1507 ±615793$$4 / $201M
5Claude Fable 5 (High)Anthropic1504 ±445469$$10 / $501M
6Claude Opus 4.6 (High)Anthropic1503 ±384375$$5 / $251M
7Claude Fable 5.1 (Max)Anthropic1502 ±520511$$10 / $501M
8Claude Opus 4.7 (High)Anthropic1501 ±464260$$5 / $251M
9Gemini 3.8 Flash (High)Google1497 ±462675$$0.75 / $3.751M
10Muse Spark 1.3 (Max)Meta1497 ±526806$$1.25 / $4.251M
— 以下为 Top 10 外的国产模型 —
20Kimi K3 (Max)Moonshot1487 ±441402N/AN/A
24Kimi K3.1 Pro (Max)Moonshot1485 ±103995$$2 / $101M
25Qwen 3.8 MaxAlibaba1484 ±536936$$2 / $61M
28GLM 5.3 (Max)Z.ai1482 ±531604$$1.40 / $4.401M

前端开发榜

前端开发榜本周由 Anthropic 强势主导,Claude Fable 5.2 (xHigh) 以 1838 分高居第 1 名,领先第 2 名 Claude Opus 5.5 (Max)(1815 分)23 分,优势明显。

Top 5 中 Anthropic 独占 3 席(Claude Fable 5.2、Claude Opus 5.5、Claude Sonnet 5.5),谷歌 Gemini 4 Carbon (High) 以 1768 分位列第 4 名,OpenAI GPT 6 Astra (Max) 以 1764 分位列第 5 名。

国产模型在该榜表现亮眼:月之暗面 kimi k3.1 pro (Max) 以 1687 分位列第 12 名,是排名最高的国产模型,直接杀入前 15;阿里、深度求索、百度、小米、腾讯、智谱均有模型进入前 30 名,国产阵营在前 30 名中占据 8 席,是所有分榜中国产模型席位最多的一个。

排名模型厂商分数 (±CI)票数价格 ($/M) 输入 / 输出上下文
1Claude Fable 5.2 (xHigh)Anthropic1838 ±211215$$8 / $401M
2Claude Opus 5.5 (Max)Anthropic1815 ±124208$$4 / $201M
3Claude Sonnet 5.5 (xHigh)Anthropic1772 ±105895$$2 / $101M
4Gemini 4 Carbon (High)Google1768 ±152120$$2 / $10N/A
5GPT 6 Astra (Max)OpenAI1764 ±98470$$10 / $501.1M
6GPT 6.1 Sol (Max)OpenAI1743 ±105590$$2 / $101.1M
7Claude Fable 5.1 (Max)Anthropic1742 ±89800$$10 / $501M
8Muse Wonder Full (Max)Meta1723 ±142068N/AN/A
9Claude Sonnet 5.5 (High)Anthropic1715 ±87940$$2 / $101M
10Gemini 4 Hydrogen (High)Google1704 ±141997$$1.50 / $7.50N/A
— 以下为 Top 10 外的国产模型 —
12Kimi K3.1 Pro (Max)Moonshot1687 ±104977$$2 / $101M
15Qwen 3.8 (Max 0902)Alibaba1676 ±622099$$2 / $6N/A
17Qwen 3.8 MaxAlibaba1670 ±123370$$2 / $61M
18DeepSeek V4.1 Flash (Max) (1017)DeepSeek1664 ±714108$$0.15 / $0.601M
18Ernie 5.5 Flash PreviewBaidu1668 ±16$$0.28 / $1.13N/A
19Kimi K3 (Max)Moonshot1658 ±622448$$3 / $151M
25Mimo V2.6 FlashXiaomi1638 ±88944$$0.14 / $0.281.1M
26Hy4 (Preview)Tencent1632 ±104601$$0.83 / $2.501M
28Mimo V2.6 ProXiaomi1625 ±88846$$0.43 / $0.871.1M
29Qwen 3.8 Flash NextAlibaba1624 ±711380$$0.16 / $0.471M

智能体榜

智能体榜本周由 Anthropic 完全主导,Claude Fable 5.2 (Max) 以 30.48% 的净提升度高居第 1 名,领先第 2 名 Claude Opus 5.5 (Max)(19.51%)超过 11 个百分点,优势显著。

谷歌 Gemini 4 Carbon (High) 以 16.9% 位列第 3 名,其工具幻觉率仅 0.55%,是头部模型中工具调用最 " 干净 " 的之一。

Anthropic 在前 8 名中占据 5 席,OpenAI 在 7、9、10 名各有 1 款,谷歌在 3、5、11 名各有 1 款。

国产模型中,腾讯 Hy4 以 5.75% 位列第 18 名,月之暗面 Kimi K3.1 Pro (Max) 以 4.83% 位列第 20 名,处于第二梯队末尾。

排名模型厂商净提升度 (±CI)任务确认成功率好评 / 差评比可控性
1Claude Fable 5.2 (Max)Anthropic30.48% ±3.07%0% ±0%74.41% ±12.7%32.91% ±1.41%
2Claude Opus 5.5 (Max)Anthropic19.51% ±2.04%0% ±0%40.72% ±7.59%18.41% ±1.94%
3Gemini 4 Carbon (High)Google16.9% ±0.68%0% ±0%40.91% ±2.48%19.06% ±0.61%
4Claude Sonnet 5.5 (Max)Anthropic16.07% ±2.81%0% ±0%31.11% ±11%14.53% ±2.73%
5Gemini 4 Hydrogen (High)Google14.8% ±2.23%0% ±0%32.12% ±8.39%20.53% ±2.04%
6Claude Fable 5.1 (Max)Anthropic14.62% ±2.06%0% ±0%31.14% ±7.71%14.49% ±1.85%
7GPT-6 Astra (Max)OpenAI14.56% ±2.03%0% ±0%31.86% ±7.44%14.78% ±1.78%
8Claude Opus 5.5 (High)Anthropic14.22% ±1.05%0% ±0%29.83% ±3.71%15.34% ±0.97%
9GPT-6.1 Sol (Max)OpenAI12.4% ±1.12%0% ±0%27.45% ±4.01%13.25% ±1.05%
10GPT-6.1 Terra (Max)OpenAI11.96% ±1.25%0% ±0%19.51% ±4.36%16.7% ±1.25%
— 以下为 Top 10 外的国产模型 —
18Hy4Tencent5.75% ±1.29%0% ±0%6.21% ±4.27%9.3% ±1.48%
20Kimi K3.1 Pro (Max)Moonshot4.83% ±1.11%0% ±0%8.03% ±3.48%6.45% ±1.35%
25MiMo-V2.6-ProXiaomi2.16% ±0.9%0% ±0%2.98% ±2.74%1.29% ±1.18%
27DeepSeek-V4.1-Flash-20261017 (Max)DeepSeek2.01% ±0.52%0% ±0%1.01% ±1.58%4.13% ±0.65%

AI 生图榜

AI 生图榜由 OpenAI 全面垄断,GPT Image 2.5 Sunburst 以 1429 分高居第 1 名,Top 5 全部被 OpenAI 的 GPT Image 系列包揽。

国产模型中,阿里 Qwen Image 3.0 Pro 以 1254 分位列第 14 名,是排名最高的国产生图模型;字节跳动 Seedream 5.0 Pro 以 1248 分位列第 17 名,两者分差仅 6 分,在误差范围内视为接近。

国产生图模型与头部 OpenAI 仍有 170 分以上的差距,处于第二梯队。

排名模型厂商分数 (±CI)票数价格 ($/M) 输入 / 输出上下文
1GPT Image 2.5 SunburstOpenAI1429 ±563818
2GPT Image 2.6 Sunburst (Medium)OpenAI1406 ±132697
3GPT Image 2.5 FlareOpenAI1398 ±563120
4GPT Image 2.6 Flare (Medium)OpenAI1384 ±132532
5GPT Image 2 (medium)OpenAI1382 ±4108559
6Mai Image 2.6Microsoft AI1330 ±541413
7Gemini Nano Banana 2.1Google1327 ±94961
8Grok Imagine Image 2.0 (canvas)SpaceXAI1318 ±79919
9Reve 2.1Reve1301 ±87893
10Grok Imagine Image 2.0 (20260801)SpaceXAI1287 ±536215
— 以下为 Top 10 外的国产模型 —
14Qwen Image 3.0 ProAlibaba1254 ±710899
17Seedream 5.0 ProBytedance1248 ±4110580
21Qwen Image 2.1Alibaba1227 ±617822
23MiniMax H3 ImageMiniMax1197 ±113277
24Qwen Image 2.0 Pro 2026.06.22Alibaba1190 ±612657

AI 视频榜

AI 视频榜本周呈现 " 谷歌领跑、国产紧追 " 的格局。

谷歌 Gemini Omni 1.2 Flash 以 1540 分空降第 1 名,其前代 Gemini Omni 1.1 Flash 以 1513 分位列第 2 名,两者分差 27 分,仍在 30 分误差范围内,可视为并列头部。

国产模型表现极为亮眼:字节跳动 Dreamina Seedance 2.0 720p 以 1483 分位列第 6 名,Dreamina Seedance 2.5 720p 以 1479 分位列第 7 名,阿里 Wan 3.0 以 1476 分位列第 8 名,国产阵营在视频榜前 10 名中独占 3 席,是所有分榜中排名最靠前、最集中的一个。

值得注意的是,OpenAI 的 Sora 2 Pro 仅以 1367 分位列第 13 名,被多款国产视频模型反超。

排名模型厂商分数 (±CI)票数价格 ($/M) 输入 / 输出上下文
1Gemini Omni 1.2 FlashGoogle1540 ±161714
2Gemini Omni 1.1 FlashGoogle1513 ±151792
3Gemini Omni FlashGoogle1509 ±846707
4Flux 3 VideoBlack Forest Labs1491 ±171314
5Grok Imagine Video 1.5 (Agent)SpaceXAI1488 ±191249
6Dreamina Seedance 2.0 720pBytedance1483 ±872137
7Dreamina Seedance 2.5 720pBytedance1479 ±825421
8Wan 3.0Alibaba1476 ±123060
9SkyReels V4Skywork1459 ±181060
10Muse VideoMeta1457 ±152225
— 以下为 Top 10 外的国产模型 —
11Minimax H3MiniMax1456 ±829257
12Happyhorse 1.0Alibaba-ATH1429 ±1222896
22Wan 2.7Alibaba1337 ±748517
23Wan 2.6Alibaba1324 ±775753
24Seedance V1.5 ProBytedance1256 ±777992
27Wan 2.5 I2i (Preview)Alibaba1244 ±943113
28Pixverse V5.6Proprietary1238 ±1033302
30Kling 2.5 Turbo 1080pKlingAI1219 ±172110

总结

综合本周六大榜单,AI 大模型竞争格局呈现三条清晰的主线:

  • 一是谷歌凭借 Gemini 4 Carbon 的发布,在综合榜、前端开发榜、智能体榜、视频榜同时发力,打破了 Anthropic 和 OpenAI 的长期垄断;
  • 二是 Anthropic 在智能体榜和前端开发榜保持绝对统治力,家族化占位特征明显;
  • 三是国产模型在视频生成赛道已稳定进入第一梯队(字节 seedance、阿里 wan 系列占据 6~8 名),并在前端开发榜实现了位次突破(kimi k3.1 pro 杀入前 15),但在综合能力上与头部仍有约 40 分的差距。

下周值得关注的是 Gemini 4 Carbon 在综合榜分数能否继续扩大优势,以及 Anthropic 新发布的 Claude Fable 5.2 在各榜的后续表现。

相关文章

  • 不调用图像模型,Anthropic Claude Fable 5.2 用 Python 代码模拟真实画笔作画
  • 腾讯 WorkBuddy 国际版上线 Gemini 4 Carbon 大模型:支持百万 Token 上下文,暂仅限 Pro 用户使用
  • 谷歌更新安卓 AI 开发基准榜单:Kimi K3.1 Pro / DeepSeek V4.1 Flash 成绩揭晓
  • 谷歌联合 Artificial Analysis 推出 MKA 基准测试:Gemini 4 Carbon 多模态知识工作测试获第二,任务成本仅为第一名六分之一
  • 谷歌迄今最强模型 Gemini 4 Carbon 登场:主打复杂编程、科学研究与网络安全
  • Day-0 支持:摩尔线程完成 3 万亿级参数 Kimi-K3.1 Pro 适配,支持文本与图片推理

The text above was extracted automatically from the source page and may miss images, tables or code blocks. The original is authoritative.

Published by IT之家
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗