Arena EloIMAGE
文生图榜单
1,338GPT Image 2 (high)
来自盲测用户投票的 Text to Image Arena。
进入专题 →AI 模型公开数据观察
AI 模型排行榜与公开 Benchmark 聚合
独立信息，清晰理解 AI 前沿。聚合模型能力、编码 Agent、媒体生成、成本、速度、Provider 与硬件等公开评测视角，不修改原始分数。
最新变化
模型与评测动态
保留来源的发布日期与事实描述，点击后进入原始文章或模型页面。
- 07-20模型评测Motif 3（Beta）加入语言模型评测
- 07-17研究文章六家实验室已有模型突破 Intelligence Index 50
- 07-17研究文章Kimi K3 位列 Intelligence Index 第三
- 07-15模型评测Inkling 成为领先的美国开放权重模型
- 07-13成本分析GPT-5.6 Sol、Terra、Luna 的智能与成本对比
智能指数 · 按国家
各国领先 AI 模型
Artificial Analysis Intelligence Index · 数值越高越好
当前显示 28 / 28个模型
- Claude Fable 5Anthropic · 🇺🇸 美国60✦
- GPT-5.6 Sol（max）OpenAI · 🇺🇸 美国59✦
- Kimi K3Kimi · 🇨🇳 中国57✦
- Claude Opus 4.8（max）Anthropic · 🇺🇸 美国56✦
- GPT-5.6 Terra（max）OpenAI · 🇺🇸 美国55✦
- GPT-5.5（xhigh）OpenAI · 🇺🇸 美国55✦
- Grok 4.5（high）xAI · 🇺🇸 美国54✦
- Claude Sonnet 5（max）Anthropic · 🇺🇸 美国53✦
- GPT-5.6 Luna（max）OpenAI · 🇺🇸 美国51✦
- GLM-5.2（max）智谱 AI · 🇨🇳 中国51✦
- Muse Spark 1.1（xhigh）Meta · 🇺🇸 美国51✦
- Gemini 3.5 FlashGoogle · 🇺🇸 美国50✦
- Gemini 3.1 Pro PreviewGoogle · 🇺🇸 美国46✦
- Qwen3.7 Max阿里巴巴 · 🇨🇳 中国46✦
- MiniMax-M3MiniMax · 🇨🇳 中国44✦
- DeepSeek V4 Pro（max）DeepSeek · 🇨🇳 中国44✦
- Kimi K2.6Kimi · 🇨🇳 中国44✦
- MiMo-V2.5-Pro小米 · 🇨🇳 中国44✦
- InklingThinking Machines · 🇺🇸 美国42✦
- DeepSeek V4 Flash（max）DeepSeek · 🇨🇳 中国41✦
- Nemotron 3 UltraNVIDIA · 🇺🇸 美国40✦
- Mistral Medium 3.5Mistral AI · 🇫🇷 法国38✦
- Claude 4.5 HaikuAnthropic · 🇺🇸 美国30✦
- Gemma 4 31BGoogle · 🇺🇸 美国30✦
- gpt-oss-120b（high）OpenAI · 🇺🇸 美国29✦
- Command A+Cohere · 🇨🇦 加拿大24✦
- K2 Think V2MBZUAI · 🇦🇪 阿联酋23✦
- Motif 3（Beta）Motif · 🇺🇸 美国17✦
查看表格明细
| 模型 | 机构 | 国家 | 指数 |
|---|---|---|---|
| Claude Fable 5 | Anthropic | 🇺🇸 美国 | 60 |
| GPT-5.6 Sol（max） | OpenAI | 🇺🇸 美国 | 59 |
| Kimi K3 | Kimi | 🇨🇳 中国 | 57 |
| Claude Opus 4.8（max） | Anthropic | 🇺🇸 美国 | 56 |
| GPT-5.6 Terra（max） | OpenAI | 🇺🇸 美国 | 55 |
| GPT-5.5（xhigh） | OpenAI | 🇺🇸 美国 | 55 |
| Grok 4.5（high） | xAI | 🇺🇸 美国 | 54 |
| Claude Sonnet 5（max） | Anthropic | 🇺🇸 美国 | 53 |
| GPT-5.6 Luna（max） | OpenAI | 🇺🇸 美国 | 51 |
| GLM-5.2（max） | 智谱 AI | 🇨🇳 中国 | 51 |
| Muse Spark 1.1（xhigh） | Meta | 🇺🇸 美国 | 51 |
| Gemini 3.5 Flash | 🇺🇸 美国 | 50 | |
| Gemini 3.1 Pro Preview | 🇺🇸 美国 | 46 | |
| Qwen3.7 Max | 阿里巴巴 | 🇨🇳 中国 | 46 |
| MiniMax-M3 | MiniMax | 🇨🇳 中国 | 44 |
| DeepSeek V4 Pro（max） | DeepSeek | 🇨🇳 中国 | 44 |
| Kimi K2.6 | Kimi | 🇨🇳 中国 | 44 |
| MiMo-V2.5-Pro | 小米 | 🇨🇳 中国 | 44 |
| Inkling | Thinking Machines | 🇺🇸 美国 | 42 |
| DeepSeek V4 Flash（max） | DeepSeek | 🇨🇳 中国 | 41 |
| Nemotron 3 Ultra | NVIDIA | 🇺🇸 美国 | 40 |
| Mistral Medium 3.5 | Mistral AI | 🇫🇷 法国 | 38 |
| Claude 4.5 Haiku | Anthropic | 🇺🇸 美国 | 30 |
| Gemma 4 31B | 🇺🇸 美国 | 30 | |
| gpt-oss-120b（high） | OpenAI | 🇺🇸 美国 | 29 |
| Command A+ | Cohere | 🇨🇦 加拿大 | 24 |
| K2 Think V2 | MBZUAI | 🇦🇪 阿联酋 | 23 |
| Motif 3（Beta） | Motif | 🇺🇸 美国 | 17 |
Model Comparison
模型横向比较
完整展示 255 个模型，把智能、上下文、成本、生成速度和响应时间放在同一张表里，并支持搜索、筛选和排序。
查看原始来源 ↗255 / 255 个模型
已显示 12 / 255 个模型
“—”表示当前公开快照中没有该项数据；带 * 的指数来自原始榜单的估算标记。
Coding Agents
编码 Agent 基准
把模型放进真实编码代理 Harness，比较软件工程任务的完成率、API 成本和主动执行时间。
查看原始来源 ↗数值越高越好 · 当前 44 / 44 组快照 · 来源总榜 44 组
- 0161
- 0259
- 03Claude Code · Fable 5 (max)Anthropic59
- 0458
- 0558
- 0657
- 07Kimi Code CLI · Kimi K3Moonshot AI57
- 08Codex · GPT-5.5 (xhigh)OpenAI57
- 09Claude Code · Opus 4.8 (max)Anthropic55
- 1055
- 1154
- 1253
- 1351
- 1451
- 15Codex · GPT-5.5 (medium)OpenAI50
- 16Claude Code · Opus 4.8 (medium)Anthropic49
- 1749
- 1849
- 1948
- 20Opencode · Opus 4.7 (medium)Anthropic45
- 21Claude Code · Opus 4.7 (max)Anthropic45
- 2244
- 2343
- 24Claude Code · Opus 4.6 (medium)Anthropic42
- 25Cursor CLI · Opus 4.7 (medium)Anthropic41
- 2640
- 2739
- 2838
- 29Claude Code · Opus 4.7 (medium)Anthropic38
- 30Codex · GPT-5.4 (medium)OpenAI36
- 31Claude Code · Sonnet 4.6 (medium)Anthropic35
- 3234
- 3334
- 3434
- 3533
- 3633
- 37Claude Code · Qwen3.7 Plus (thinking)Alibaba Cloud32
- 38Claude Code · Kimi K2.6Moonshot AI31
- 3929
- 4028
- 41Cursor CLI · Composer 2Cursor25
- 4223
- 4322
- 4418
Capability Indices
专业能力指数
同一个模型在不同职业与任务类型下可能表现完全不同。这里保留八个独立能力视角。
查看原始来源 ↗01
Agentic Index
工具使用、规划、多步骤执行与客户交互工作流。
GDPval-AA v2 · τ³-Banking02Coding Index
真实终端操作、编程、科学计算与研究型代码。
Terminal-Bench v2.1 · SciCode03财务与会计
金融知识、量化推理、长文档分析与工具化工作流。
AA-Omniscience · GDPval-AA v2 · HLE · τ³-Banking · AA-LCR04战略与运营
商业知识、运营流程、客户交互、指令遵循与长上下文。
AA-Omniscience · GDPval-AA v2 · τ³-Banking · IFBench · AA-LCR05法律
法律知识、文件分析、长上下文推理与非幻觉能力。
AA-Omniscience · GDPval-AA v2 · HLE · τ³-Banking · AA-LCR06医疗健康
医学知识、临床推理、医疗记录、药物管理与患者交互。
AA-Omniscience · GDPval-AA v2 · HLE · τ³-Banking07工程
工程知识、定量推理、工具化交付与真实终端操作。
AA-Omniscience · HLE · GPQA Diamond · Crit-Pt · GDPval-AA v2 · Terminal-Bench v2.108经济学
经济知识、定量分析、Agent 工作流与长报告阅读。
AA-Omniscience · HLE · GDPval-AA v2 · AA-LCRChinese Evaluations
中文测评
单独收录更依赖中文语境、文化知识与中文产品表达的评测。每一项保留自己的样本、口径、来源与局限，不与通用能力指数混算。
- 有效输出
- 11
- 领先得分
- 95
- 内容维度
- 4
- 固定样本
- 1
Evaluation Lens
评测拆分与独立视角
综合指数只是入口。展开组成评测，才能看见知识边界、长期工作、经济价值与开放性。
Economics & Performance
成本、速度与输出
把分数放回实际调用条件中：回答有多长、花多少钱、等多久，以及开始回答后的生成速度。
API Provider Performance
API Provider 性能
相同模型由不同 API 服务商提供时，回答速度和价格仍可能相差数倍。以下比较 gpt-oss-120b 开始回答后的生成速度。
查看原始来源 ↗- 01Cerebras1,938 Token/s
- 02Fireworks707 Token/s
- 03SambaNova700 Token/s
- 04Together AI579 Token/s
- 05Groq479 Token/s
- 06Google Vertex399 Token/s
- 07Microsoft Azure349 Token/s
- 08DeepInfra (Turbo)347 Token/s
- 09Databricks335 Token/s
- 10Baseten320 Token/s
- 11Nebius308 Token/s
- 12Parasail185 Token/s
- 13Scaleway173 Token/s
- 14Makora133 Token/s
- 15Cloudflare116 Token/s
- 16Amazon Bedrock116 Token/s
- 17Novita111 Token/s
- 18CoreWeave86 Token/s
- 19DeepInfra49 Token/s
AA-AgentPerf
AI 硬件性能
从真实长上下文 Agent 轨迹观察系统能支撑多少并发 Agent，而不是只看孤立的合成吞吐测试。
查看原始来源 ↗关于数据
如何理解这些公开数据
页面原样展示 Artificial Analysis Intelligence Index v4.1 的公开结果。该指数由 GDPval-AA v2、τ³-Banking、 Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、 CritPt、AA-Omniscience 与 AA-LCR 组成。
不同模块使用不同评价对象和量纲：模型、Agent、媒体竞技场、Provider 与硬件数据不能直接横向合并。本站没有重新计算、归一化或修改来源分数。