新Added Agnes 3.0 Flash & DeepSeek V4.1 Flash
独立客观的 大模型综合评估
全面掌握前沿 AI 发展格局，为您的业务场景精准选择最优的基础大模型、计费层级与多云推理提供商。
- 已排名模型
- 767
- 类别
- 18
- 数据来源
- 5
核心亮点
01 · 实时排名
综合排名TOP模型
综合 Podium 评分 Top 10 模型
查看全部 →| # | 模型名称 | Podium 得分 |
|---|---|---|
| 01 | Claude Mythos Preview Anthropic · Proprietary | 97.4 |
| 02 | Claude 5.5 Sonnet Anthropic · Proprietary | 94.8 |
| 03 | Kimi K3.1 Pro Moonshot AI · Open Weights | 94.2 |
| 4 | Eleven Multilingual v3 ElevenLabs · Proprietary | 94.0 |
| 5 | FLUX.2 Pro Black Forest Labs · Proprietary | 93.8 |
| 6 | Gemini 4 Argon Google · Proprietary | 93.6 |
| 7 | Claude Fable 5 Anthropic · Proprietary | 93.4 |
| 8 | GPT-Image 2 OpenAI · Proprietary | 93.1 |
| 9 | Grok Imagine Quality xAI · Proprietary | 92.6 |
| 10 | ElevenLabs Scribe v2 ElevenLabs · Proprietary | 92.5 |
02 · 评测领域
按场景分类榜首
编程
仓库级软件工程：SWE-Bench、LiveCodeBench、SciCode、Terminal-Bench、HumanEval。
榜首模型: Claude Fable 5.1
数学
从竞赛数学到前沿问题：AIME、MATH、FrontierMath。
榜首模型: Claude Mythos Preview
推理
深度推理与科学：GPQA Diamond、HLE、ARC-AGI-2。
榜首模型: Claude Mythos Preview
智能体
自主工具使用与计算机操作：OSWorld、Toolathlon、MCP Atlas、τ²-Bench。
榜首模型: Kimi K3
知识
事实知识与抗幻觉：SimpleQA、MMLU-Pro、MMMLU。
榜首模型: Claude Mythos Preview
多模态
视觉与文档理解：MMMU、CharXiv、ScreenSpot-Pro。
榜首模型: Claude Mythos Preview
03 · 研究与分析
最新技术深度文章
04 · 常见问题
常见问题解答
每个模型都会获得一个Podium Score综合得分（0–100）：由四项数据加权计算得到——35%盲测竞技场Elo得分、30%基准测试均分、20% Artificial Analysis智商指数以及15% LLM Stats综合分。
Claude Mythos Preview以97.4的高分荣登榜首，Claude 5.5 Sonnet（94.8分）和Kimi K3.1 Pro（94.2分）紧随其后。
我们精选收录了767个旗舰模型，涵盖18大核心场景，并提供722个模型的完整竞技场数据。
数据均来自5个公开权威榜单：Arena.ai, Artificial Analysis, LLM Stats, Vellum Leaderboard, LLMBase。系统每周自动同步最新数据。