IT之家 7 月 27 日消息，Arena（arena.ai）平台今日发布了 2026 年第 30 周的 AI 大模型排行数据，统计周期为 2026-07-20 ~ 2026-07-26。
本周国产模型表现亮眼，月之暗面旗下的 kimi-k3 蝉联前端开发榜全球第一，同时代码榜杀入 Top 10，成为本期最大亮点。
整体榜单中 Anthropic 旗下多款 Claude 新模型集中入榜，头部梯队集中在 1500 分区间，国产模型在多个细分赛道持续实现突破，不少模型进入对应榜单的头部序列，整体竞争力稳步提升。
综合榜
综合榜头部格局保持稳定，claude-fable-5 以 1508 分继续蝉联榜首，Anthropic 旗下多款 Claude 系列模型占据前 6 名位置，其中 claude-opus-4-6-thinking、claude-opus-4-7-thinking 等多款新模型完成入榜。
前 7 名模型的 ELO 分差均在 30 分以内，在误差范围内视为并列竞争状态。Meta 的 muse-spark-1.1 和 muse-spark 分别位列第 7 和第 8，谷歌的 gemini-3.1-pro-preview 上升 2 位来到第 9，前 10 名整体竞争十分胶着。
国产模型在综合榜中整体处于中上游位置，梯队相对完整：
月之暗面 kimi-k3 位列第 11 名，ELO 1485 分，较上周下降 2 位，是当前排名最高的国产模型；
阿里 qwen3.7-max-preview 位列第 20 名，ELO 1475 分，较上周下降 2 位；
智谱 glm-5.1 此前排名第 27，本周位列第 31 名；
智谱 glm-5.2 (max) 此前排名第 30，本周排名不变。
| 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 | Anthropic | 1508 ±6 | 15817 | $10 / $50 | 1M |
| 2 — | 🇺🇸 claude-opus-4-6-thinking | Anthropic | 1505 ±4 | 64435 | $5 / $25 | 1M |
| 3 — | 🇺🇸 claude-opus-4-7-thinking | Anthropic | 1502 ±4 | 51943 | $5 / $25 | 1M |
| 4 — | 🇺🇸 claude-opus-4-6 | Anthropic | 1498 ±4 | 68145 | $5 / $25 | 1M |
| 5 — | 🇺🇸 claude-opus-5-high | Anthropic | 1495 ±8 | 5417 | $5 / $25 | 1M |
| 6 — | 🇺🇸 claude-opus-4-7 | Anthropic | 1493 ±4 | 53093 | $5 / $25 | 1M |
| 7 — | 🇺🇸 muse-spark-1.1 | Meta | 1493 ±7 | 9573 | $1.25 / $4.25 | N/A |
| 8 — | 🇺🇸 muse-spark | Meta | 1488 ±6 | 13497 | N/A | N/A |
| 9 ↑2 | 🇺🇸 gemini-3.1-pro-preview | 谷歌 | 1486 ±3 | 86298 | $2 / $12 | 1.05M |
| 10 ↓2 | 🇺🇸 gemini-3-pro | 谷歌 | 1486 ±4 | 41242 | $2 / $12 | 1.05M |
| — 以下为 Top 10 外的国产模型 — | ||||||
| 11 ↓2 | 🇨🇳 kimi-k3 预发布 | 月之暗面 | 1485 ±10 | 3569 | $3 / $15 | 1.05M |
| 20 ↓2 | 🇨🇳 qwen3.7-max-preview | 阿里 | 1475 ±10 | 3698 | $1.48 / $4.43 | 1M |
| 30 — | 🇨🇳 glm-5.2 (max) | 智谱 | 1469 ±6 | 19623 | $1.40 / $4.40 | 1M |
| 31 ↓4 | 🇨🇳 glm-5.1 | 智谱 | 1469 ±5 | 32221 | $1.40 / $4.40 | 202.8K |
代码榜
代码榜头部依然由 Anthropic 旗下模型主导，claude-opus-4-7-thinking 以 1553 分守住榜首位置，前 5 名全部为 Anthropic Claude 系列模型，分差均在 5 分以内，竞争十分接近。
本期最大亮点是国产模型 kimi-k3 排名上升 2 位来到第 8 名，以 1530 分跻身代码榜 Top 10，与周边头部模型的分差也在 30 分的统计误差范围内，完全具备第一梯队的竞争力。
国产模型在代码榜中分布广泛，多个模型进入中上游序列，表现稳定：
月之暗面 kimi-k3 排名第 8 名，ELO 1530 分，较上周上升 2 位，是排名最高的国产代码模型；
阿里 qwen3.7-max-preview 排名第 15 名，ELO 1525 分，较上周下降 3 位；
智谱 glm-5.1 排名第 21 名，ELO 1520 分，较上周下降 4 位；
小米 mimo-v2.5-pro 排名第 24 名，ELO 1519 分，与上周排名相同；
月之暗面 kimi-k2.6 排名第 28 名，ELO 1515 分，较上周下降 2 位；
百度 ernie-5.1 此前排名第 27，本周来到第 31 位。
| 排名 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|
| 1 — | 🇺🇸 claude-opus-4-7-thinking | Anthropic | 1553 ±7 | 14800 | $5 / $25 | 1M |
| 2 — | 🇺🇸 claude-fable-5 | Anthropic | 1551 ±10 | 4278 | $10 / $50 | 1M |
| 3 ↑2 | 🇺🇸 claude-opus-4-6-thinking | Anthropic | 1550 ±6 | 16646 | $5 / $25 | 1M |
| 4 ↑1 | 🇺🇸 claude-opus-4-7 | Anthropic | 1549 ±6 | 15069 | $5 / $25 | 1M |
| 5 ↓1 | 🇺🇸 claude-opus-4-6 | Anthropic | 1548 ±6 | 18952 | $5 / $25 | 1M |
| 6 — | 🇺🇸 claude-opus-5-high | Anthropic | 1540 ±17 | 1405 | $5 / $25 | 1M |
| 7 ↓1 | 🇺🇸 claude-opus-4-8-thinking | Anthropic | 1535 ±8 | 9039 | $5 / $25 | 1M |
| 8 ↑2 | 🇨🇳 kimi-k3 预发布 | 月之暗面 | 1530 ±20 | 948 | $3 / $15 | 1.05M |
| 9 ↓1 | 🇺🇸 muse-spark-1.1 | Meta | 1530 ±12 | 2860 | $1.25 / $4.25 | N/A |
| 10 ↑1 | 🇺🇸 claude-opus-4-5-20251101-thinking-32k | Anthropic | 1530 ±7 | 7606 | $5 / $25 | 200K |
| — 以下为 Top 10 外的国产模型 — | ||||||
| 15 ↓3 | 🇨🇳 qwen3.7-max-preview | 阿里 | 1525 ±18 | 1113 | $1.48 / $4.43 | 1M |
| 21 ↓4 | 🇨🇳 glm-5.1 | 智谱 | 1520 ±7 | 9070 | $1.4 / $4.4 | 202.8K |
| 24 — | 🇨🇳 mimo-v2.5-pro | 小米 | 1519 ±7 | 11974 | $0.44 / $0.87 | 1.05M |
| 28 ↓2 | 🇨🇳 kimi-k2.6 | 月之暗面 | 1515 ±7 | 10342 | $0.95 / $4 | 262.1K |
| 31 ↓4 | 🇨🇳 ernie-5.1 | 百度 | 1514±7 | 10243 | ||
前端开发榜
前端开发榜迎来历史性突破，国产模型 kimi-k3 以 1682 分卫冕榜首位置（上周 1679 分），超过了此前排名第一的 claude-opus-5-high，成为全球当前前端开发能力最强的大模型。
Anthropic 的 claude-opus-5-high 以 1673 分紧随其后位列第 2，claude-fable-5 落到第 3 名，OpenAI 的 gpt-5.6-sol-xhigh 排在第 4 名。
前 4 名之外的模型分数差距开始拉开，智谱的 glm-5.2 (max) 也进入了第 5 名，继续扩大国产模型在前端开发赛道的优势。
国产模型在前端开发榜中形成了庞大的梯队，近半数席位被国产模型占据，整体表现亮眼：
月之暗面 kimi-k3 登顶榜首，ELO 1682 分，与上周排名相同，是本期榜单最大亮点；
智谱 glm-5.2 (max) 排在第 5 名，ELO 1587 分，较上周下降 1 位；
字节跳动 seed-2.1-pro-preview 排在第 15 名，ELO 1529 分，较上周下降 1 位；
智谱 glm-5.1 排在第 18 名，ELO 1518 分，较上周下降 3 位；
腾讯 hy3 排在第 19 名，ELO 1518 分；
阿里 qwen3.7-max-20260517 排在第 20 名，ELO 1517 分；
月之暗面 kimi-k2.6 排在第 21 名，ELO 1510 分，较上周下降 3 位；
Minimax minimax-m3 排在第 24 名，ELO 1493 分；
阿里 qwen3.6-max-preview 排在第 28 名，ELO 1478 分；
小米 mimo-v2.5-pro 排在第 29 名，ELO 1474 分；
月之暗面 kimi-k2.7-code 排在第 30 名，ELO 1473 分。
| 排名 | 模型 | 厂商 | 分数 (±CI) | 票数 | 价格 ($/M) 输入 / 输出 | 上下文 |
|---|---|---|---|---|---|---|
| 1 — | 🇨🇳 kimi-k3 预发布 | 月之暗面 | 1682 ±13 | 3776 | $3 / $15 | 1.05M |
| 2 — | 🇺🇸 claude-opus-5-high | Anthropic | 1673 ±14 | 2392 | $5 / $25 | 1M |
| 3 ↓1 | 🇺🇸 claude-fable-5 | Anthropic | 1629 ±10 | 5721 | $10 / $50 | 1M |
| 4 ↓1 | 🇺🇸 gpt-5.6-sol-xhigh (codex-harness) | OpenAI | 1625 ±10 | 5242 | $5 / $30 | 1.05M |
| 5 ↓1 | 🇨🇳 glm-5.2 (max) | 智谱 | 1587 ±9 | 5700 | $1.4 / $4.4 | 1M |
| 6 ↑1 | 🇺🇸 claude-opus-4-8-thinking | Anthropic | 1568 ±8 | 8247 | $5 / $25 | 1M |
| 7 ↑1 | 🇺🇸 claude-opus-4-7 | Anthropic | 1559 ±7 | 11050 | $5 / $25 | 1M |
| 8 ↑1 | 🇺🇸 claude-opus-4-7-thinking | Anthropic | 1557 ±7 | 11661 | $5 / $25 | 1M |
| 9 ↓3 | 🇺🇸 grok-4.5 | SpaceXAI | 1549 ±11 | 3314 | $2 / $6 | 500K |
| 10 ↑1 | 🇺🇸 claude-opus-4-6-thinking | Anthropic | 1546 ±6 | 13607 | $5 / $25 | 1M |
| — 以下为 Top 10 外的国产模型 — | ||||||
| 15 ↓1 | 🇨🇳 seed-2.1-pro-preview 预发布 | 字节跳动 | 1529 ±10 | 4916 | N/A | N/A |
| 18 ↓3 | 🇨🇳 glm-5.1 | 智谱 | 1518 ±8 | 6737 | $1.4 / $4.4 | 202.8K |
| 19 | 🇨🇳 hy3 | 腾讯 | 1518 ±17 | 1490 | $0.13 / $0.53 | 262.1K |
| 20 | 🇨🇳 qwen3.7-max-20260517 | 阿里 | 1517 ±8 | 7267 | $1.48 / $4.43 | 1M |
| 21 ↓3 | 🇨🇳 kimi-k2.6 | 月之暗面 | 1510 ±8 | 9263 | $0.95 / $4 | 262.1K |
智能体榜
智能体榜头部由 Claude Fable 5 (High) 以 12.72% 的净提升度守住榜首，该模型的可控性也达到了 14.62%，位列全榜第一。
OpenAI 的 GPT 5.6 Sol (xHigh) 以 10.12% 的净提升度紧随其后排在第 2，Anthropic 的 Claude Opus 4.8 (Thinking) 排在第 3 名。
国产模型 kimi-k3 排名第 4，净提升度 9.71%，其任务确认成功率达到了 14.0%，是榜单所有头部模型中最高的表现，任务完成反馈表现突出。
国产模型在智能体榜中覆盖了从头部到中下游的大量席位，梯队十分完整：
月之暗面 kimi-k3 排名第 4 名，净提升度 9.71%，任务确认成功率 14.0%，是排名最高的国产智能体模型；
智谱 GLM 5.2 (Max) 排名第 10 名，净提升度 6.5%，任务确认成功率 8.65%；
智谱 GLM 5.1 排名第 17 名，净提升度 1.43%；
阿里 Qwen3.7 Max 排名第 19 名，净提升度 0.09%；
阿里 Qwen3.7 Plus 排名第 21 名，净提升度 0.76%，工具幻觉率仅 0.3% 为全榜最低；
月之暗面 Kimi K2.7 Code 排名第 22 名，净提升度 1.02%；
深度求索 DeepSeek V4 Pro 排名第 24 名，净提升度 1.19%；
腾讯 Hy3 排名第 25 名，净提升度 2.23%；
月之暗面 Kimi K2.6 排名第 26 名，净提升度 2.57%；
Minimax Minimax M3 排名第 27 名，净提升度 3.1%；
小米 Mimo V2.5 Pro 排名第 28 名，净提升度 3.39%。
| 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 | 会话数 |
|---|---|---|---|---|---|---|---|
| 1 — | 🇺🇸 Claude Fable 5 (High) | Anthropic | 12.72% ±2.0% | 10.67% | 23.94% | 14.62% | 23549 |
| 2 — | 🇺🇸 GPT 5.6 Sol (xHigh) | OpenAI | 10.12% ±1.69% | 7.25% | 23.53% | 9.71% | 15991 |
| 3 — | 🇺🇸 Claude Opus 4.8 (Thinking) | Anthropic | 9.75% ±1.39% | 8.9% | 19.42% | 9.78% | 34147 |
| 4 — | 🇨🇳 Kimi K3 | 月之暗面 | 9.71% ±1.52% | 14.0% | 20.3% | 6.52% | 11490 |
| 5 — | 🇺🇸 Claude Sonnet 5 (High) | Anthropic | 8.66% ±1.89% | 8.14% | 16.88% | 6.2% | 24359 |
| 6 ↓2 | 🇺🇸 GPT 5.5 (xHigh) | OpenAI | 8.41% ±0.87% | 6.65% | 11.08% | 8.18% | 40667 |
| 7 ↑1 | 🇺🇸 Claude Opus 4.7 (Thinking) | Anthropic | 7.94% ±1.24% | 5.67% | 11.55% | 8.62% | 35151 |
| 8 ↑1 | 🇺🇸 Claude Opus 4.7 | Anthropic | 7.67% ±1.25% | 4.97% | 12.48% | 8.95% | 35672 |
| 9 ↓1 | 🇺🇸 GPT 5.5 (High) | OpenAI | 7.61% ±0.81% | 6.2% | 9.8% | 8.77% | 65859 |
| 10 ↑1 | 🇨🇳 GLM 5.2 (Max) | 智谱 | 6.5% ±1.0% | 8.65% | 12.94% | 4.71% | 38221 |
| — 以下为 Top 10 外的国产模型 — | |||||||
| 17 — | 🇨🇳 GLM 5.1 | 智谱 | 1.43% ±0.78% | 1.12% | 0.99% | 0.15% | 57532 |
| 19 — | 🇨🇳 Qwen3.7 Max | 阿里 | 0.09% ±1.07% | 1.84% | 5.73% | 0.02% | 15992 |
AI 生图 & AI 视频榜
AI 生图榜头部格局稳定，OpenAI 的 gpt-image-2 (medium) 以 1385 分继续稳居第一，字节跳动 seedream-5.0-pro 作为排名最高的国产模型，排在第 11 名，ELO 1231 分，整体表现处于中上游位置。
AI 视频榜方面，谷歌 gemini-omni-flash 守住榜首，字节跳动 dreamina-seedance-2.0-720p 排在第 2 名，阿里 happyhorse-1.0 排在第 4 名，国产视频模型直接占据了前 4 名中的两个席位，后续字节跳动、阿里、MiniMax 的多款模型也分布在榜单中下游，形成了完整的国产视频模型梯队，竞争力处于全球第一梯队。
整体来看，本周 Arena 榜单最大的突破来自国产模型在前端开发赛道登顶，kimi-k3 同时在代码榜和智能体榜进入头部序列，体现出国产模型在工程开发、智能体实际应用场景的快速进步。Anthropic 大量新模型集中入榜后，头部竞争的胶着程度进一步提升，后续几周的分数和排名变化值得持续关注。
下周随着更多国产新模型完成数据积累更新，有望在更多细分榜单中看到新的突破。