---
title: "AI 模型排行榜：17 个榜单的盲测排名"
description: "排名来自真实用户的盲测投票：同一个问题交给两个匿名模型，由用户选出更好的回答。不同榜单的第一往往不是同一个模型。"
canonical: https://pirouter.ai/zh/rankings
last-updated: 2026-10-15
---

# AI 模型排行榜：17 个榜单的盲测排名

> 排名来自真实用户的盲测投票：同一个问题交给两个匿名模型，由用户选出更好的回答。不同榜单的第一往往不是同一个模型。

## 文本

- [综合排行榜](https://pirouter.ai/zh/rankings/overall): 文本模型的综合排名，覆盖数学、编程、创意写作等开放式任务。 Gemini 4 Argon (1525), Claude Opus 4.6 (1506), Claude Fable 5 (1505) · 2026-09-30
- [编程排行榜](https://pirouter.ai/zh/rankings/coding): 编程类提问的排名：编写、调试、解释与重构代码。 Gemini 4 Argon (1559), Claude Fable 5 (1552), Claude Opus 4.6 (1551) · 2026-09-30
- [数学排行榜](https://pirouter.ai/zh/rankings/math): 数学推导与计算类提问的排名。 Gemini 4 Argon (1528), Claude Opus 5 (1523), Claude Fable 5 (1522) · 2026-09-30
- [创意写作排行榜](https://pirouter.ai/zh/rankings/creative): 故事、文案、诗歌等创意写作类提问的排名。 Gemini 4 Argon (1522), Claude Opus 5.5 (1515), Claude Fable 5 (1503) · 2026-09-30
- [指令遵循排行榜](https://pirouter.ai/zh/rankings/instruct): 按格式、长度、步骤等约束作答的排名。 Gemini 4 Argon (1529), Claude Opus 5.5 (1514), Claude Opus 4.6 (1514) · 2026-09-30
- [多轮对话排行榜](https://pirouter.ai/zh/rankings/multiturn): 多轮对话的排名。 Gemini 4 Argon (1552), Muse Spark 1.2 (1522), Claude Opus 4.6 (1519) · 2026-09-30
- [长文本排行榜](https://pirouter.ai/zh/rankings/longctx): 长输入提问的排名。 Gemini 4 Argon (1544), Claude Opus 5.5 (1528), Claude Opus 4.6 (1524) · 2026-09-30
- [中文排行榜](https://pirouter.ai/zh/rankings/chinese): 中文提问的排名。 Gemini 4 Argon (1588), Claude Fable 5.1 (1573), Claude Opus 5.5 (1572) · 2026-09-30

## 开发与 Agent

- [Web 开发排行榜](https://pirouter.ai/zh/rankings/webdev): 根据一句需求生成可运行网页的排名。 Claude Opus 5.5 (1815), GPT-6 Astra (1788), Claude Sonnet 5.5 (1786) · 2026-10-01
- [Agent排行榜](https://pirouter.ai/zh/rankings/agent): 真实 agent 会话中完成多步任务的排名，分数为相对基线的净提升（百分点）。 Claude Fable 5.1 (+14.6), Claude Opus 5.5 (+13.8), GPT-6 Astra (+12.2) · 2026-09-30

## 多模态理解

- [视觉理解排行榜](https://pirouter.ai/zh/rankings/vision): 能理解图像输入的多模态模型排名，涵盖图表、截图、OCR 与照片。 Claude Fable 5 (1310), Qwen3.8 (1301), Claude Opus 4.6 (1299) · 2026-09-28
- [文档理解排行榜](https://pirouter.ai/zh/rankings/document): 文档分析与长内容推理的排名。 Claude Fable 5 (1499), Claude Opus 4.6 (1495), Claude Opus 4.7 (1494) · 2026-09-13
- [联网搜索排行榜](https://pirouter.ai/zh/rankings/search): 集成联网搜索的模型排名。 GPT-5.6 Sol (1256), Claude Fable 5 (1229), GPT-5.5 Search (1224) · 2026-08-24

## 生成

- [文生图排行榜](https://pirouter.ai/zh/rankings/t2i): 文生图模型的排名。 GPT-image 2.5 Sunburst (1424), GPT-image 2.5 Flare (1401), GPT-image 2 (1383) · 2026-09-24
- [图像编辑排行榜](https://pirouter.ai/zh/rankings/imgedit): 图像编辑模型的排名。 GPT-image 2.5 Sunburst (1522), GPT-image 2.5 Flare (1479), GPT-image 2 (1461) · 2026-09-30
- [文生视频排行榜](https://pirouter.ai/zh/rankings/t2v): 文生视频模型的排名。 Gemini Omni 1.1 Flash (1516), Gemini Omni Flash (1513), Flux 3 Video (1493) · 2026-09-22
- [图生视频排行榜](https://pirouter.ai/zh/rankings/i2v): 图生视频模型的排名。 Minimax H3 (1495), Gemini Omni 1.1 Flash (1489), Wan3.0 (1480) · 2026-09-22

## 数据从哪来

### 盲测投票

用户把同一个问题发给两个匿名模型，读完回答后投票。投票通过 Bradley-Terry 模型换算为分数，分数只在同一榜单内可比。文本与视觉榜采用风格控制，降低回答长度与排版对投票的影响。

### 名次区间

每个分数都附 95% 置信区间。名次区间「2–12」表示该模型的名次在第 2 到第 12 之间。置信区间重叠的模型，名次可能互换。

### 更新与推理档位

有新模型发布或排名变化时更新，各榜更新日期见图表标注。同一模型的多个推理档位只保留分数最高的一档，并标出档位。

数据：[LMArena leaderboard dataset](https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)，按 [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) 许可使用；仅做筛选与推理档位合并，分数未改动。
查看原榜单: https://arena.ai/leaderboard