Arena 第 46 周榜单:Gemini 4 Carbon 以 1526 分登顶,国产模型视频榜占前八
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
谷歌新模型 Gemini 4 Carbon 首周就拿下盲测榜第一,Anthropic 在前端榜一家独大。想选模型的话这份榜单信息量很足:各家报价、上下文长度都列出来了,做前端和视频生成的开发者可以直接对着排名挑。
Arena 平台发布 2026 年第 46 周(11 月 9 日至 11 月 15 日)大模型盲测榜单。谷歌 Gemini 4 Carbon (High) 首秀以 1526 分登顶综合榜,同家族 Gemini 4 Argon (High) 以 1522 分位列第 2,两者分差 4 分、在误差范围内视为并列头部。Meta 的 Muse Wonder (Max) 以 1511 分排第 3,Anthropic 的 Claude Opus 5.5 (High) 以 1507 分排第 4。
综合榜 Top 8 中 Anthropic 独占 5 席,分数差距均在 6 分以内,家族式占位特征明显;Claude Opus 4.8 (High) 以 1482 分跌至第 27 名,是 Anthropic 阵营下滑最明显的型号。国产模型处于综合榜中游,与头部有约 40 分差距:Kimi K3.1 Pro (Max) 以 1485 分排第 24,Qwen 3.8 Max 以 1484 分排第 25,GLM 5.3 (Max) 以 1482 分排第 28。
分榜方面差异显著:前端开发榜由 Anthropic 主导,Claude Fable 5.2 (xHigh) 以 1838 分领先第 2 名 23 分,国产模型在前 30 名中占据 8 席,其中 kimi k3.1 pro (Max) 以 1687 分排第 12、为最高国产排名;AI 视频榜上字节跳动 dreamina seedance 2.0 / 2.5 分列第 6、7 名,阿里 wan 3.0 位列第 8。该榜单基于匿名盲测投票与 ELO 计算,反映用户主观偏好而非绝对能力,各分榜相互独立不宜跨榜比较。
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 1 Gemini 4 Carbon (High) Google 1526 ±10 4273 $$2 / $10 N/A 2 Gemini 4 Argon (High) Google 1522 ±5 20779 $$2 / $10 1M 3 Muse Wonder (Max) Meta 1511 ±6 12696 $$4 / $20 1M 4 Claude Opus 5.5 (High) Anthropic 1507 ±6 15793 $$4 / $20 1M 5 Claude Fable 5 (High) Anthropic 1504 ±4 45469 $$10 / $50 1M 6 Claude Opus 4.6 (High) Anthropic 1503 ±3 84375 $$5 / $25 1M 7 Claude Fable 5.1 (Max) Anthropic 1502 ±5 20511 $$10 / $50 1M 8 Claude Opus 4.7 (High) Anthropic 1501 ±4 64260 $$5 / $25 1M 9 Gemini 3.8 Flash (High) Google 1497 ±4 62675 $$0.75 / $3.75 1M 10 Muse Spark 1.3 (Max) Meta 1497 ±5 26806 $$1.25 / $4.25 1M — 以下为 Top 10 外的国产模型 — 20 Kimi K3 (Max) Moonshot 1487 ±4 41402 N/A N/A 24 Kimi K3.1 Pro (Max) Moonshot 1485 ±10 3995 $$2 / $10 1M 25 Qwen 3.8 Max Alibaba 1484 ±5 36936 $$2 / $6 1M 28 GLM 5.3 (Max) Z.ai 1482 ±5 31604 $$1.40 / $4.40 1M 前端开发榜 前端开发榜本周由 Anthropic 强势主导, Claude Fable 5.2 (xHigh) 以 1838 分高居第 1 名,领先第 2 名 Claude Opus 5.5 (Max) (1815 分)23 分,优势明显。 Top 5 中 Anthropic 独占 3 席(Claude Fable 5.2、Claude Opus 5.5、Claude Sonnet 5.5),谷歌 Gemini 4 Carbon (High) 以 1768 分位列第 4 名,OpenAI GPT 6 Astra (Max) 以 1764 分位列第 5 名。 国产模型在该榜表现亮眼:月之暗面 kimi k3.1 pro (Max) 以 1687 分位列第 12 名,是排名最高的国产模型,直接杀入前 15;阿里、深度求索、百度、小米、腾讯、智谱均有模型进入前 30 名,国产阵营在前 30 名中占据 8 席,是所有分榜中国产模型席位最多的一个。 排名 模型 厂商 分数 (±CI) 票数 价格 ($/M) 输入 / 输出 上下文 1 Claude Fable 5.2 (xHigh) Anthropic 1838 ±21 1215 $$8 / $40 1M 2 Claude Opus 5.5 (Max) Anthropic 1815 ±12 4208 $$4 / $20 1M 3 Claude Sonnet 5.5 (xHigh) Anthropic 1772 ±10 5895 $$2 / $10 1M 4 Gemini 4 Carbon (High) Google 1768 ±15 2120 $$2 / $10 N/A 5 GPT 6 Astra (Max) OpenAI 1764 ±9 8470 $$10 / $50 1.1M 6 GPT 6.1 Sol (Max) OpenAI 1743 ±10 5590 $$2 / $10 1.1M 7 Claude Fable 5.1 (Max) Anthropic 1742 ±8 9800 $$10 / $50 1M 8 Muse Wonder Full (Max) Meta 1723 ±14 2068 N/A N/A 9 Claude Sonnet 5.5 (High) Anthropic 1715 ±8 7940 $$2 / $10 1M 10 Gemini 4 Hydrogen (High) Google 1704 ±14 1997 $$1.50 / $7.50 N/A — 以下为 Top 10 外的国产模型 — 12 Kimi K3.1 Pro (Max) Moonshot 1687 ±10 4977 $$2 / $10 1M 15 Qwen 3.8 (Max 0902) Alibaba 1676 ±6 22099 $$2 / $6 N/A 17 Qwen 3.8 Max Alibaba 1670 ±12 3370 $$2 / $6 1M 18 DeepSeek V4.1 Flash (Max) (1017) DeepSeek 1664 ±7 14108 $$0.15 / $0.60 1M 18 Ernie 5.5 Flash Preview Baidu 1668 ±16 $$0.28 / $1.13 N/A 19 Kimi K3 (Max) Moonshot 1658 ±6 22448 $$3 / $15 1M 25 Mimo V2.6 Flash Xiaomi 1638 ±8 8944 $$0.14 / $0.28 1.1M 26 Hy4 (Preview) Tencent 1632 ±10 4601 $$0.83 / $2.50 1M 28 Mimo V2.6 Pro Xiaomi 1625 ±8 8846 $$0.43 / $0.87 1.1M 29 Qwen 3.8 Flash Next Alibaba 1624 ±7 11380 $$0.16 / $0.47 1M 智能体榜 智能体榜本周由 Anthropic 完全主导, Claude Fable 5.2 (Max) 以 30.48% 的净提升度高居第 1 名,领先第 2 名 Claude Opus 5.5 (Max) (19.51%)超过 11 个百分点,优势显著。 谷歌 Gemini 4 Carbon (High) 以 16.9% 位列第 3 名,其工具幻觉率仅 0.55%,是头部模型中工具调用最 " 干净 " 的之一。 Anthropic 在前 8 名中占据 5 席,OpenAI 在 7、9、10 名各有 1 款,谷歌在 3、5、11 名各有 1 款。 国产模型中,腾讯 Hy4 以 5.75% 位列第 18 名,月之暗面 Kimi K3.1 Pro (Max) 以 4.83% 位列第 20 名,处于第二梯队末尾。 排名 模型 厂商 净提升度 (±CI) 任务确认成功率 好评 / 差评比 可控性 1 Claude Fable 5.2 (Max) Anthropic 30.48% ±3.07% 0% ±0% 74.41% ±12.7% 32.91% ±1.41% 2 Claude Opus 5.5 (Max) Anthropic 19.51% ±2.04% 0% ±0% 40.72% ±7.59% 18.41% ±1.94% 3 Gemini 4 Carbon (High) Google 16.9% ±0.68% 0% ±0% 40.91% ±2.48% 19.06% ±0.61% 4 Claude Sonnet 5.5 (Max) Anthropic 16.07% ±2.81% 0% ±0% 31.11% ±11% 14.53% ±2.73% 5 Gemini 4 Hydrogen (High) Google 14.8% ±2.23% 0% ±0% 32.12% ±8.39% 20.53% ±2.04% 6 Claude Fable 5.1 (Max) Anthropic 14.62% ±2.06% 0% ±0% 31.14% ±7.71% 14.49% ±1.85% 7 GPT-6 Astra (Max) OpenAI 14.56% ±2.03% 0% ±0% 31.86% ±7.44% 14.78% ±1.78% 8 Claude Opus 5.5 (High) Anthropic 14.22% ±1.05% 0% ±0% 29.83% ±3.71% 15.34% ±0.97% 9 GPT-6.1 Sol (Max) OpenAI 12.4% ±1.12% 0% ±0% 27.45% ±4.01% 13.25% ±1.05% 10 GPT-6.1 Terra (Max) OpenAI 11.96% ±1.25% 0% ±0% 19.51% ±4.36% 16.7% ±1.25% — 以下为 Top 10 外的国产模型 — 18 Hy4 Tencent 5.75% ±1.29% 0% ±0% 6.21% ±4.27% 9.3% ±1.48% 20 Kimi K3.1 Pro (Max) Moonshot 4.83% ±1.11% 0% ±0% 8.03% ±3.48% 6.45% ±1.35% 25 MiMo-V2.6-Pro Xiaomi 2.16% ±0.9% 0% ±0% 2.98% ±2.74% 1.29% ±1.18% 27 DeepSeek-V4.1-Flash-20261017 (Max) DeepSeek 2.01% ±0.52% 0% ±0% 1.01% ±1.58% 4.13% ±0.65% AI 生图榜 AI 生图榜由 OpenAI 全面垄断, GPT Image 2.5 Sunburst 以 1429 分高居第 1 名,Top 5 全部被 OpenAI 的 GPT Image 系列包揽。 国产模型中,阿里 Qwen Image 3.0 Pro 以 1254 分位列第 14 名,是排名最高的国产生图模型;字节跳动 Seedream 5.0 Pro 以 1248 分位列第 17 名,两者分差仅 6 分,在误差范围内视为接近。 国产生图模型与头部 OpenAI 仍有 170 分以上的差距,处于第二梯队。 排名 模型 厂商 分数 (±CI) 票数 价格 ($/M) 输入 / 输出 上下文 1 GPT Image 2.5 Sunburst OpenAI 1429 ±5 63818 2 GPT Image 2.6 Sunburst (Medium) OpenAI 1406 ±13 2697 3 GPT Image 2.5 Flare OpenAI 1398 ±5 63120 4 GPT Image 2.6 Flare (Medium) OpenAI 1384 ±13 2532 5 GPT Image 2 (medium) OpenAI 1382 ±4 108559 6 Mai Image 2.6 Microsoft AI 1330 ±5 41413 7 Gemini Nano Banana 2.1 Google 1327 ±9 4961 8 Grok Imagine Image 2.0 (canvas) SpaceXAI 1318 ±7 9919 9 Reve 2.1 Reve 1301 ±8 7893 10 Grok Imagine Image 2.0 (20260801) SpaceXAI 1287 ±5 36215 — 以下为 Top 10 外的国产模型 — 14 Qwen Image 3.0 Pro Alibaba 1254 ±7 10899 17 Seedream 5.0 Pro Bytedance 1248 ±4 110580 21 Qwen Image 2.1 Alibaba 1227 ±6 17822 23 MiniMax H3 Image MiniMax 1197 ±11 3277 24 Qwen Image 2.0 Pro 2026.06.22 Alibaba 1190 ±6 12657 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 1 Gemini Omni 1.2 Flash Google 1540 ±16 1714 2 Gemini Omni 1.1 Flash Google 1513 ±15 1792 3 Gemini Omni Flash Google 1509 ±8 46707 4 Flux 3 Video Black Forest Labs 1491 ±17 1314 5 Grok Imagine Video 1.5 (Agent) SpaceXAI 1488 ±19 1249 6 Dreamina Seedance 2.0 720p Bytedance 1483 ±8 72137 7 Dreamina Seedance 2.5 720p Bytedance 1479 ±8 25421 8 Wan 3.0 Alibaba 1476 ±12 3060 9 SkyReels V4 Skywork 1459 ±18 1060 10 Muse Video Meta 1457 ±15 2225 — 以下为 Top 10 外的国产模型 — 11 Minimax H3 MiniMax 1456 ±8 29257 12 Happyhorse 1.0 Alibaba-ATH 1429 ±12 22896 22 Wan 2.7 Alibaba 1337 ±7 48517 23 Wan 2.6 Alibaba 1324 ±7 75753 24 Seedance V1.5 Pro Bytedance 1256 ±7 77992 27 Wan 2.5 I2i (Preview) Alibaba 1244 ±9 43113 28 Pixverse V5.6 Proprietary 1238 ±10 33302 30 Kling 2.5 Turbo 1080p KlingAI 1219 ±17 2110 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。
This report is categorized under AITOP's "Industry" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to US-China foundation model benchmarks and commercialization comparison and AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Gemini 4 Carbon, Claude Opus, Kimi, Seedance.
Source attribution: curated from IT之家.