前沿重置
前沿文本领导者已从 Claude Opus 5 转移到 Claude Opus 5.5，反映了推理能力的持续进步。
QUICK ANSWER
本期速览
截至 2026-09-24，Claude Opus 5.5 以 58 分在 169 个排名模型中领先。
Reasoning
推理
最新的推理能力领导者，展示在逻辑处理和决策制定方面最先进的模型。
当前领先
Claude Opus 5.5
Anthropic · 上期领先：Claude Opus 5
本月变化Claude Opus 5.5 以 58 的智能指数得分取代了 Claude Opus 5 成为领导者。
怎么选Anthropic 继续凭借其 Claude Opus 系列在推理类别中占据主导地位。
-
1
58
Claude Opus 5.5 Anthropic
在推理方面领先，得分强劲。
- 逻辑处理
- 决策制定
-
2
56
Claude Opus 5.5 (xhigh with fallback) Anthropic
具有回退功能的强劲表现。
- 回退逻辑
- 稳健推理
-
3
54
Claude Opus 5.5 (high with fallback) Anthropic
具有回退功能的高推理能力。
- 高容量
- 回退支持
-
4
53
Claude Fable 5.1 (max with fallback) Anthropic
最大化推理与回退。
- 最大化逻辑
- 回退
-
5
53
Claude Fable 5.1 (xhigh with fallback) Anthropic
X高推理与回退。
- X高逻辑
- 回退
-
6
53
GPT-6 Astra (max) OpenAI
最大化推理能力。
- 最大化推理
- 高级逻辑
截至 2026-09-24，Claude Opus 5.5 以 58 分在 169 个排名模型中领先。
Text to Image
文生图
在当前 Text to Image Arena 中，GPT Image 2.5 Sunburst (max) 以 Elo 1197 领跑，其后是 GPT Image 2.5 Flare (max)（1191）和 GPT Image 2 (high)（1171）。Sunburst 的样本数为 13,433。
当前领先
GPT Image 2.5 Sunburst (max)
OpenAI · 上期领先：GPT Image 2 / Nano Banana 2
本月变化本期榜首已由 8 月刊的 GPT Image 2 / Nano Banana 2 组合更替。
怎么选开放权重图像模型方面，Ideogram 4.0 (Quality) 以 1011 领跑，其后是 Ideogram 4.0（1003）和 FLUX.2 [dev]（1000）。
-
1
1197
GPT Image 2.5 Sunburst (max) OpenAI
当前 Text to Image Arena 榜首，Elo 1197。
- 样本数 13,433
- API 价格：每 1,000 张图 $210.7
-
2
1191
GPT Image 2.5 Flare (max) OpenAI
当前 Text to Image Arena 排名第 2，Elo 1191。
- 稳居榜单前二
-
3
1171
GPT Image 2 (high) OpenAI
当前 Text to Image Arena 排名第 3，Elo 1171。
- 进入榜单前三
- API 价格：每 1,000 张图 $211.0
-
4
1150
Grok Imagine Image 2.0 xAI
当前 Text to Image Arena 排名第 4，Elo 1150。
- API 价格：每 1,000 张图 $60.0
-
5
1147
MAI-Image-2.6 Microsoft
当前 Text to Image Arena 排名第 5，Elo 1147。
- API 价格：每 1,000 张图 $38.9
-
6
1122
Nano Banana 2 (Gemini 3.1 Flash Image) Google
当前 Text to Image Arena 排名第 6，Elo 1122。
- API 价格：每 1,000 张图 $67.0
截至 2026-09-24，GPT Image 2.5 Sunburst (max) 以 Elo 1197 排名第 1，样本数为 13,433。
Video Generation
视频生成
Gemini Omni Flash 以 1233 Elo 继续领跑支持音频的文生视频榜单，Wan 3.0 以 1229 紧随其后。在无音频赛道中，榜首则由 Wan 3.0 以 1336 获得。
当前领先
Gemini Omni Flash
Google
本月变化本月榜首较 8 月未变，但 Wan 3.0 升至第二；两个 MiniMax H3 版本分别占据第三和第四位。
怎么选头部竞争高度胶着：第一名 Gemini Omni Flash 与第五名 Dreamina Seedance 2.0 720p 仅相差 23 Elo。同期前五名的价格差异显著，每分钟从 $2.40 到 $12.00 不等。
-
1
1233 Elo
Gemini Omni Flash Google
继续领跑有音频视频赛道，领先 Wan 3.0 四个 Elo。
- 有音频榜单以 1233 Elo 排名第 1
- 无音频榜单以 1330 排名第 2
- 榜单价格为每分钟 $6.00
-
2
1229 Elo
Wan 3.0 Alibaba
有音频赛道位列第二，同时登顶无音频榜单。
- 有音频榜单以 1229 Elo 排名第 2
- 无音频榜单以 1336 排名第 1
- 榜单价格为每分钟 $12.00
-
3
1227 Elo
Minimax H3 Max post-trained by fal fal
仅落后第二名 Wan 3.0 两个 Elo，并拥有前五名中最低的榜单价格。
- 有音频榜单以 1227 Elo 排名第 3
- 与第二名仅相差 2 Elo
- 榜单价格为每分钟 $2.40
-
4
1220 Elo
MiniMax H3 Open Weights MiniMax
当前支持音频的视频模型中排名最高的开放权重方案。
- 以 1220 Elo 领跑有音频开放权重模型
- 有音频总榜排名第 4
- 榜单价格为每分钟 $7.80
-
5
1210 Elo
Dreamina Seedance 2.0 720p ByteDance
跻身竞争密集的前五，与榜首仅相差 23 Elo。
- 有音频榜单以 1210 Elo 排名第 5
- 距第一名仅 23 Elo
- 榜单价格为每分钟 $9.07
截至 2026-09-24，Wan 3.0 在有音频榜单以 1229 Elo 位列第 2，在无音频榜单则以 1336 排名第 1。
Code and Terminal Tasks
代码与终端任务
Terminal-Bench 2.1 覆盖软件工程、系统管理、数据处理、模型训练与安全任务。此次更新包含 89 项任务，并修正了环境和指令问题；pass@1 按三次重复运行取平均值，评测由 Artificial Analysis 独立执行。
当前领先
Claude Fable 5.1 Adaptive Reasoning Max Effort with Default Fallback
Anthropic · 上期领先：Claude Opus 5
本月变化Claude Fable 5.1 Adaptive Reasoning Max Effort with Default Fallback 取代 8 月榜首 Claude Opus 5。由于 Terminal-Bench 2.1 属于刷新后的评测版本，9 月百分比不宜与上期分数直接比较。
怎么选榜单前三均为 Claude Fable 5.1 的不同推理强度配置，成绩集中在 89.9% 至 91.4%。对企业选型而言，推理强度档位已成为与基础模型名称同样重要的评估维度。
-
1
91.4%
Claude Fable 5.1 Adaptive Reasoning Max Effort with Default Fallback Anthropic
取得 Terminal-Bench 2.1 当前最高的经验证成绩。
- 以 91.4% pass@1 位列第 1
- 采用 Max Effort 自适应推理配置
- 评测覆盖五类技术与运维任务
-
2
91.0%
Claude Fable 5.1 Adaptive Reasoning Xhigh with Default Fallback Anthropic
与榜首配置仅相差 0.4 个百分点。
- 以 91.0% pass@1 位列第 2
- 采用 Xhigh 自适应推理配置
- 在 89 项任务的刷新版评测中保持 90% 以上成绩
-
3
89.9%
Claude Fable 5.1 Adaptive Reasoning High with Default Fallback Anthropic
帮助 Claude Fable 5.1 包揽榜单前三名。
- 以 89.9% pass@1 位列第 3
- 采用 High 自适应推理配置
- 较榜首 Max Effort 配置低 1.5 个百分点
截至 2026-09-24，Claude Fable 5.1 Adaptive Reasoning Max Effort with Default Fallback 以 91.4% 的 pass@1 成绩位列 Terminal-Bench 2.1 第 1 名。
Voice and Text-to-Speech
语音与文本转语音
Cartesia Sonic 3.6 于 2026 年 8 月发布，目前以 1278 Elo 位居 Provider Voice Arena 榜首。Inworld Realtime TTS-2 以 1243 排名第二，SpeechifyAI Simba 3.2 和 Alibaba Qwen-Audio-3.0-TTS-Plus 分别以 1238、1235 紧随其后。
当前领先
Cartesia Sonic 3.6
Cartesia · 上期领先：Realtime 2
本月变化Cartesia Sonic 3.6 取代 8 月榜首 Realtime 2；在本期榜单中，Inworld Realtime TTS-2 位列第二。
怎么选头部六款模型的 API 成本差异明显：SpeechifyAI Simba 3.2 的标价为每 100 万字符 $6.6，Sonic 3.6 为 $49.0，VUI Labs Luna TTS 则为 $80.0。开放权重阵营中，Breeze TTS 2 以 1203 成为排名最高的 TTS 模型。
-
1
1278 Elo
Cartesia Sonic 3.6 Cartesia
这款于 2026 年 8 月发布的模型成为 Provider Voice Arena 新榜首。
- 以 1278 Elo 排名第一
- API 标价为每 100 万字符 $49.0
-
2
1243 Elo
Inworld Realtime TTS-2 Inworld
在本期供应商语音榜单中排名第二。
- 取得 1243 Elo
- API 标价为每 100 万字符 $20.8
-
3
1238 Elo
SpeechifyAI Simba 3.2 SpeechifyAI
位列第三，与 Realtime TTS-2 相差 5 个 Elo 分。
- 取得 1238 Elo
- API 标价为每 100 万字符 $6.6
-
4
1235 Elo
Alibaba Qwen-Audio-3.0-TTS-Plus Alibaba
Alibaba 的语音模型跻身竞争紧密的第一梯队，位列第四。
- 取得 1235 Elo
- API 标价为每 100 万字符 $27.6
-
5
1230 Elo
VUI Labs Luna TTS VUI Labs
Luna TTS 进入 Provider Voice Arena 前五。
- 取得 1230 Elo
- API 标价为每 100 万字符 $80.0
-
6
1214 Elo
Inworld Realtime TTS-2 Flash Inworld
凭借标准版与 Flash 版，Inworld 在前六名中占据两个席位。
- 取得 1214 Elo
- API 标价为每 100 万字符 $10.4
截至 2026-09-24，Cartesia Sonic 3.6 以 1278 Elo 位列 Provider Voice Arena 第 1 名。
Instrumental Music
器乐音乐生成
Mureka V9 以 1177 Elo 位居 Instrumental Music Arena 榜首，Suno V5.5 以 1171 排名第二，Mureka V8 以 1143 排名第三。该榜单采用盲选偏好投票，并将器乐与人声模式分开评测。
当前领先
Mureka V9
Mureka · 上期领先：Suno v5.5
本月变化Mureka V9 取代 8 月榜首 Suno v5.5；Suno V5.5 本期降至第二位。
怎么选Mureka 与 Suno 各占前四名中的两个席位。各模型样本量从 StepAudio 3 Music 的 2,212 个到 Mureka V8 的 3,130 个不等；来源页面未提供音乐模型价格。
-
1
1177 Elo
Mureka V9 Mureka
以 2,237 个样本支撑评测，位居 Instrumental Music Arena 榜首。
- 在器乐模型盲选偏好排名中取得最高 Elo
- 排名领先于 Suno V5.5
-
2
1171 Elo
Suno V5.5 Suno
基于 2,222 个样本取得 1171 Elo，排名第二。
- 盲选偏好得分位列第二
- Suno 有两款模型进入前四，Suno V5.5 排名更高
-
3
1143 Elo
Mureka V8 Mureka
以 1143 Elo 位列第三，样本量为 3,130 个。
- Mureka 第二款进入前三的模型
- 在列出的六款领先模型中样本量最高
-
4
1137 Elo
Suno V5 Suno
基于 2,713 个样本取得 1137 Elo，排名第四。
- 进入该榜单前四
- Suno 第二款跻身前四的模型
-
5
1113 Elo
StepAudio 3 Music StepAudio
以 1113 Elo 位列第五，样本量为 2,212 个。
- 在器乐盲选偏好投票中进入前五
- 排名领先于 Google Lyria 3 Pro
-
6
1102 Elo
Google Lyria 3 Pro Google
基于 2,959 个样本取得 1102 Elo，排名第六。
- 进入器乐音乐榜单前六
- 评测覆盖 2,959 个样本
截至 2026-09-24，Mureka V9 以 1177 Elo 位列 Instrumental Music Arena 第 1 名。
Vision
视觉理解
Vision Arena 于 2026 年 9 月 13 日发布的榜单覆盖 152 个模型和 1,314,119 次投票。Claude Fable 5 High 以 1310±8 位居第一，Qwen3.8 Max 以 1302±8 紧随其后，两个 Claude Opus 4.7 配置也进入前四。
当前领先
Claude Fable 5 High
Anthropic · 上期领先：Claude Fable 5
本月变化Claude Fable 5 High 登上榜首，接替 8 月榜单中的 Claude Fable 5。
怎么选榜首模型每 100 万输入和输出 token 的价格分别为 $10 和 $50；第二名 Qwen3.8 Max 分别为 $2 和 $6。对于重视部署成本的企业，前两名之间存在明显价差。
-
1
1310±8
Claude Fable 5 High Anthropic
位居 9 月 Vision Arena 榜首。
- 在 152 个模型中排名第 1
- 所在榜单累计获得 1,314,119 次投票
-
2
1302±8
Qwen3.8 Max Alibaba
与榜首相差 8 个 Elo 分。
- 综合排名第 2
- 每 100 万输入和输出 token 的价格分别为 $2 和 $6
-
3
1301±7
Claude Opus 4.7 High Anthropic
排名第 3，仅落后 Qwen3.8 Max 1 分。
- 综合排名第 3
- 得分区间为 1301±7
-
4
1300±7
Claude Opus 4.7 Anthropic
标准配置比 High 配置低 1 分。
- 综合排名第 4
- 与榜首仅相差 10 分
-
5
1299±7
Claude Opus 4.6 High Anthropic
帮助 Anthropic 占据前五名中的四席。
- 综合排名第 5
- 仅落后 Claude Opus 4.7 1 分
截至 2026-09-24，Claude Fable 5 High 以 1310±8 排名第 1；该期 Vision Arena 覆盖 152 个模型和 1,314,119 次投票。
Open-Weights Models
开放权重模型
MiMo-V2.6-Pro 以 46 分位列 Artificial Analysis 开放权重模型第一，GLM-5.3 max 以 45 分紧随其后，Kimi K3 max 以 44 分排名第三。
当前领先
MiMo-V2.6-Pro
Xiaomi · 上期领先：Kimi K3
本月变化MiMo-V2.6-Pro 取代 8 月榜首 Kimi K3，成为本期开放权重模型的新领跑者。
怎么选开放权重模型继续保持竞争力，但与专有模型的绝对前沿仍有差距：MiMo-V2.6-Pro 得分为 46，而 Claude Opus 5.5 max with fallback 为 58。
-
1
46
MiMo-V2.6-Pro Xiaomi
当前 Intelligence Index 排名最高的开放权重模型。
- Intelligence Index 得分 46
- 开放权重模型排名第一
- 上下文窗口为 1M
-
2
45
GLM-5.3 max Zhipu AI
位列开放权重模型第二，与榜首相差 1 个指数点。
- Intelligence Index 得分 45
- 开放权重模型排名第二
- GLM-5.3 的上下文窗口为 1M
-
3
44
Kimi K3 max Moonshot AI
8 月榜首本期位列开放权重模型第三。
- Intelligence Index 得分 44
- 开放权重模型排名第三
- 上下文窗口为 1M
-
4
42
GLM-5.3-Flash Zhipu AI
GLM-5.3-Flash 位列当前开放权重榜第四。
- Intelligence Index 得分 42
- 开放权重模型排名第四
-
5
40
Qwen3.8 2.4T A95B Alibaba
Qwen3.8 2.4T A95B 的 Intelligence Index 得分为 40。
- Intelligence Index 得分 40
- 进入开放权重模型前六
-
6
40
Qwen3.8-Flash-Next Alibaba
Qwen3.8-Flash-Next 同样取得 40 分，与 Qwen3.8 2.4T A95B 持平。
- Intelligence Index 得分 40
- 进入开放权重模型前六
截至 2026-09-24，Artificial Analysis 收录的 169 个模型中有 68 个采用开放权重，其中 MiMo-V2.6-Pro 以 46 分排名第一。
Cost-effectiveness
成本效益
GPT-6 Luna (low) 的单任务成本为 $0.0045，Intelligence Index 为 21。本期将其列为性价比领先者，是基于 Artificial Analysis 同一对比表作出的编辑判断：在已明确列出的正成本模型中，其单任务成本最低，同时智能得分高于两款成本显示为 $0.00 的实用型模型。
当前领先
GPT-6 Luna (low)
OpenAI · 上期领先：DeepSeek V4 Flash 0731
本月变化GPT-6 Luna (low) 取代 8 月榜首 DeepSeek V4 Flash 0731。
怎么选Command A+ 与 North Mini Code 的单任务成本均显示为 $0.00，但 Intelligence Index 分别只有 13 和 10。企业评估总体价值时，不能脱离这一性能差距仅比较账面成本。
-
1
$0.0045/task
GPT-6 Luna (low) OpenAI
已明确列出的正成本模型中单任务成本最低，同时取得 21 的 Intelligence Index。
- 每任务成本 $0.0045
- Intelligence Index 为 21
- 综合成本与智能表现后，被编辑评估为总体性价比最佳
-
2
$0.01/task
Granite 4.2 3B IBM
以每任务 $0.01 跻身当前 Cost per Task 领先模型。
- 每任务成本 $0.01
- 3B 模型规格
- 在已公布的低成本领先模型序列中位列第 2
-
3
$0.01/task
Ministral 3 3B Mistral AI
单任务成本同为 $0.01，与 Granite 4.2 3B 持平。
- 每任务成本 $0.01
- 3B 模型规格
- 进入当前三款低成本领先模型名单
截至 2026-09-24，GPT-6 Luna (low) 以每任务 $0.0045 位列成本效益第 1，Intelligence Index 为 21。
TRENDS
本月趋势洞察
从各品类的变化里，最值得记住的几件事。
deepseek-flash-0731：暂无已核实的 9 月更新
所引用材料未包含 deepseek-flash-0731 的已核实事实条目或 URL，因此本期不对其模型、分数、发布日期或排名作出判断。
MiniMax H3 同时覆盖开放权重与后训练视频层级
H3 系列在有音频视频榜单前四名中连续占据两个席位：Minimax H3 Max post-trained by fal 以 1227 Elo 排名第三，价格为每分钟 $2.40；MiniMax H3 Open Weights 以 1220 排名第四，并位居有音频开放权重模型首位。
图像榜单洗牌，Nano Banana 2 位列第六
Nano Banana 2 (Gemini 3.1 Flash Image) 在当前 Text to Image Arena 中以 1122 Elo 排名第 6。榜首 GPT Image 2.5 Sunburst 达到 1197，两者相差 75 分。
生成式媒体的领先优势正按模态分化
当前没有一家厂商横扫所有生成式媒体赛道：GPT Image 2.5 Sunburst 以 1197 Elo 领跑文生图，Gemini Omni Flash 以 1233 位居有声文生视频第一，Cartesia Sonic 3.6 以 1278 登顶 TTS，Mureka V9 则以 1177 领先纯音乐生成。
FAQ
常见问题
如果您还有具体问题，欢迎预约一对一沟通。
榜单多久更新一次？
每月更新一次。新一期数据发布后，本页会在下一次站点更新时同步。
榜单数据来自哪里？
整理自 Artificial Analysis、LMArena、SWE-bench 等公开榜单与各厂商官方公告，页面底部列出全部来源与统计日期。
可以直接按榜单选模型吗？
榜单反映公开评测表现，实际选择还应结合您的任务类型、预算和数据边界；欢迎预约诊断一起评估。
不同类目之间的分数可以互相比较吗？
不建议。各榜单的评分体系不同，请以同一类目内的相对排名为主。
BOOK A CONSULTATION
想判断哪类模型真正适合您的业务？
带上您的团队场景、预算与数据边界，一起评估最值得先试用的方向。