正在加载榜单数据...
前端开发模型排行榜
基于真实人类偏好（Bradley-Terry 模型）计算大模型 Elo 评分的中文镜像站。数据每 20 分钟自动与官方同步，为您提供最新、最公正的大模型能力排名。
数据同步时间: 2026-10-01 21:20:15
Arena 评测榜单
基于真实人类偏好（Bradley-Terry 模型）计算大模型 Elo 评分的中文镜像站。数据每 20 分钟自动与官方同步，为您提供最新、最公正的大模型能力排名。
正在加载榜单数据...
排名 | 模型 | Elo 评分 Arena Elo 评分：基于用户盲测两两对决的胜负关系估算出的模型综合能力评分。数字右下角的小字（例如 ±5）是 95% 置信区间，数值范围越窄说明这个评分的把握越大 | |||||
|---|---|---|---|---|---|---|---|
1 |   Claude Opus 5.5 (Max) | 1818±17 | |||||
2 |  GPT 6 Astra (Max) | 1789±10 | |||||
3 | GPT 6.1 Sol (Max) | 1759±19 | |||||
4 | Claude Fable 5.1 (Max) | 1751±10 | |||||
5 | Claude Sonnet 5.5 (High) | 1709±16 | |||||
6 | Claude Opus 5 (Max) | 1694±6 | |||||
7 | GPT 6 Sol (Max) | 1689±12 | |||||
8 |  Gemini 4 Argon (High) | 1679±14 | |||||
9 |   Qwen 3.8 (Max) | 1671±12 | |||||
10 | Qwen 3.8 (Max 0902) | 1670±8 | |||||
11 | Claude Opus 5 (High) | 1660±6 | |||||
12 |  Kimi K3 (Max) | 1658±6 | |||||
13 |  Muse Spark 1.3 (Max) | 1655±9 | |||||
14 | Qwen 3.8 Flash Next | 1638±9 | |||||
15 |  Grok 4.7 (xHigh) | 1636±12 | |||||
16 |  Hy4 (Preview) | 1633±9 | |||||
17 | Claude Fable 5 (High) | 1626±6 | |||||
18 | Muse Spark 1.3 (xHigh) | 1623±9 | |||||
19 |  GLM 5.3 (Max) | 1622±8 | |||||
20 | Grok 4.6 (High) | 1620±8 | |||||
21 |  Deepseek V4.1 Flash (Max) | 1620±10 | |||||
22 | GPT 5.6 Sol (xHigh) | 1619±6 | |||||
23 |  Mimo V2.6 Pro | 1619±12 | |||||
24 | GLM 5.3 Flash | 1615±8 | |||||
25 | GLM 5.2 (Max) | 1605±6 | |||||
排名计算方法: 系统利用在竞技场中收集到的海量双盲人类盲测对抗数据，构建 Bradley-Terry 模型以极大似然估计模型在各个单项分类下的 Elo 相对竞技值。95% 置信区间 (CI) 表明当误差区间发生重叠时，模型的真实相对实力可能不存在统计学上的显著性差异。