全球头部大模型 TOP20（综合版）
1 / 0 / 创建于 3小时前
Junwind 的个人博客
前置客观说明（非常关键）
不存在全球统一、权威的“唯一总榜”，不同评测体系的评价目标、数据集、打分逻辑完全独立，分数不能直接相加合并：
Artificial Analysis Intelligence Index（AA）：偏向硬核能力（推理、代码、科研、Agent），独立第三方，业内用于衡量模型硬实力；测试集有未公开held-out题目，降低刷分风险
LMSys Chatbot Arena：匿名双人盲测、人类投票，Elo分，反映普通人对话偏好，容易受文风、话术长短影响，不等于逻辑能力更强
OpenCompass（司南）：国内主流，包含大量中文、国内学科基准（C-Eval、GaokaoBench），适合评估中文能力
下面分三张榜单单独列出前20，不做主观混合排名，全部引用榜单原生得分，不自行加权。
一、Artificial Analysis Intelligence Index v5（截至2026-11，硬核综合能力榜）
来源：artificialanalysis.ai，指标：推理、代码、数学、科学、工具调用、Agent综合指数
| 排名 | 模型 | 厂商 | 得分 | 闭源/开源 |
|---|---|---|---|---|
| 1 | Gemini 4 Carbon | 59 | 闭源 | |
| 2 | Claude Opus 5.5 Max | Anthropic | 58 | 闭源 |
| 3 | GPT-6 Astra Max | OpenAI | 57 | 闭源 |
| 4 | GPT-6.1 Sol Max | OpenAI | 55 | 闭源 |
| 5 | Claude Sonnet 5.5 Max | Anthropic | 54 | 闭源 |
| 6 | Gemini 4 Argon | 50 | 闭源 | |
| 7 | Kimi K3.1 Pro Max | Moonshot | 46 | 闭源（权重版开源） |
| 8 | GLM-5.3 Max | 智谱AI | 45 | 闭源 |
| 9 | Qwen3.8 Max | 阿里通义千问 | 44 | 闭源（有开源版本） |
| 10 | Grok 4.5 | xAI | 43 | 闭源 |
| 11 | DeepSeek V4 Pro | DeepSeek | 41 | 开源权重 |
| 12 | Doubao 1.5 Thinking Pro | 字节 | 40 | 闭源 |
| 13 | Muse Spark（Llama 5） | Meta | 39 | 开源权重 |
| 14 | Claude Fable 5.1 | Anthropic | 39 | 闭源 |
| 15 | Mistral Large 3.6 | Mistral | 38 | 闭源+开源 |
| 16 | GLM-5.2 | 智谱AI | 37 | 开源权重 |
| 17 | DeepSeek V4.1 Flash | DeepSeek | 36 | 开源权重 |
| 18 | Qwen3.8 Flash-Next | 阿里 | 35 | 开源权重 |
| 19 | 混元 HY4 | 腾讯 | 34 | 闭源 |
| 20 | MiniMax M3 | MiniMax | 33 | 闭源 |
二、LMSys Chatbot Arena Elo榜（2026-11，人类偏好对话榜）
来源：LMSYS竞技场，指标：匿名对战用户投票，Elo值，代表对话体验偏好
| 排名 | 模型 | 厂商 | Elo | 闭源/开源 |
|---|---|---|---|---|
| 1 | Claude Fable 5.1 | Anthropic | 1525 | 闭源 |
| 2 | Claude Opus 5 | Anthropic | 1522 | 闭源 |
| 3 | GPT-5.6 Sol | OpenAI | 1514 | 闭源 |
| 4 | Claude Opus 4.8 | Anthropic | 1512 | 闭源 |
| 5 | Gemini 3.1 Pro Preview | 1500 | 闭源 | |
| 6 | Kimi K3 | Moonshot | 1500 | 闭源（权重开源） |
| 7 | Grok 4.5 | xAI | 1499 | 闭源 |
| 8 | GPT-5.5 Pro | OpenAI | 1488 | 闭源 |
| 9 | GLM-5.2 | 智谱AI | 1483 | 开源权重 |
| 10 | Claude Sonnet 5 | Anthropic | 1479 | 闭源 |
| 11 | DeepSeek V4 Pro | DeepSeek | 1472 | 开源权重 |
| 12 | Qwen3.8 Max | 阿里 | 1468 | 闭源 |
| 13 | Muse Spark（Llama 5） | Meta | 1461 | 开源权重 |
| 14 | Doubao 1.5 Thinking Pro | 字节 | 1455 | 闭源 |
| 15 | GPT-6.1 Sol | OpenAI | 1448 | 闭源 |
| 16 | Gemini 4 Carbon | 1442 | 闭源 | |
| 17 | GLM-5.3 Max | 智谱AI | 1436 | 闭源 |
| 18 | Mistral Large 3.6 | Mistral | 1421 | 闭源 |
| 19 | 混元 HY4 | 腾讯 | 1415 | 闭源 |
| 20 | DeepSeek V4.1 Flash | DeepSeek | 1408 | 开源权重 |
三、OpenCompass司南 全量综合榜（2026-11，含中文能力）
来源：rank.opencompass.org.cn，指标：知识、推理、交互、安全、多模态、中文专项综合得分
| 排名 | 模型 | 厂商 | 综合分 | 闭源/开源 |
|---|---|---|---|---|
| 1 | Claude Opus 5 High | Anthropic | 83.3 | 闭源 |
| 2 | GPT-5.6 Sol High | OpenAI | 80.8 | 闭源 |
| 3 | Qwen3.8 Max | 阿里 | 80.6 | 闭源 |
| 4 | GPT-5.5 High | OpenAI | 80.6 | 闭源 |
| 5 | Gemini 3.7 Flash | 80.5 | 闭源 | |
| 6 | Kimi K3.1 Pro Max | Moonshot | 79.2 | 闭源 |
| 7 | GLM-5.3 Max | 智谱AI | 76.5 | 闭源 |
| 8 | Claude Sonnet 5.5 | Anthropic | 74.8 | 闭源 |
| 9 | DeepSeek V4 Pro | DeepSeek | 71.2 | 开源权重 |
| 10 | GPT-6.1 Sol Max | OpenAI | 70.9 | 闭源 |
| 11 | Doubao 1.5 Thinking Pro | 字节 | 70.8 | 闭源 |
| 12 | 混元 HY4 High | 腾讯 | 69.0 | 闭源 |
| 13 | Gemini 4 Carbon | 68.7 | 闭源 | |
| 14 | Muse Spark（Llama5） | Meta | 67.5 | 开源权重 |
| 15 | GLM-5.2 | 智谱AI | 67.2 | 开源权重 |
| 16 | DeepSeek V4 Flash | DeepSeek | 66.1 | 开源权重 |
| 17 | Mistral Large 3.6 | Mistral | 65.4 | 闭源 |
| 18 | Grok 4.5 | xAI | 64.7 | 闭源 |
| 19 | MiniMax M3 | MiniMax | 63.2 | 闭源 |
| 20 | Qwen3.8 Flash-Next | 阿里 | 62.5 | 开源权重 |
选型参考（客观描述，不带偏好）
- 做科研、数学、复杂工程、Agent开发：优先参考 Artificial Analysis
- 面向普通用户对话、文案、日常问答体验：优先参考 LMSys Arena Elo
- 中文场景、国内考试、中文文档、国内合规评估：优先参考 OpenCompass
- 想本地部署、私有化：只看榜单标注【开源权重】的模型，闭源模型无法本地部署
本作品采用《CC 协议》，转载必须注明作者和本文链接
关于 LearnKu
粤公网安备 44030502004330号