研 究 追 踪 · LEADERBOARD MIRROR

大模型榜单镜像

主流公开评测榜单快照 · 按能力维度分类
本页镜像第三方公开榜单，按「综合 / 代码 / Agent / 推理 / 多模态 / 视频 / 机器人」七类组织，每个榜标注它测什么能力维度。数据为快照，实时以各榜单官网为准。仅作研究参考，不构成投资建议。
数据截至 2026.08.24 · 更新节奏：周度更新（机器人为季度） · 厂商以品牌色标识，归属标签 美 / 中

综合 · Overall

一个数看模型总体强弱：聚合指数与真人盲测。

AA 综合智能指数

Artificial Analysis
官网 ↗
Intelligence Index v4.1（0–85，越高越强）2026-08-24 快照

聚合 GPQA / HLE / LiveCodeBench / τ²-bench 等十项基准的综合智能分，兼顾价格与速度。华尔街与产业界最广引用的「一个数看模型强弱」综合指标。

#模型分数价格 / 备注
1/169 Claude Opus 5 (max)Anthropic美 63 $2.34/task · 1M ctx · 居首
2/169 Claude Opus 5 (xhigh)Anthropic美 63 $1.80/task · 1M ctx
3/169 Claude Fable 5 (with fallback)Anthropic美 62 $3.14/task · 1M ctx
4/169 Claude Opus 5 (high)Anthropic美 61 $1.23/task · 1M ctx
5/169 GPT-5.6 Sol (max)OpenAI美 61 $1.23/task · 1M ctx · 74 t/s
6/169 Grok 4.6 (high)xAI美 61 $0.84/task · 500k ctx · 61 t/s
7/169 Grok 4.6 (xhigh)xAI美 60 $1.04/task · 500k ctx · 新进
8/169 Kimi K3 (max)月之暗面 Kimi中 60 $0.84/task · 1.05M ctx · 国产最高·开源第一
9/169 GLM-5.3 (max)智谱 Z.ai中 60 $0.68/task · 1M ctx · 新模型跃升
10/169 GPT-5.6 Sol (xhigh)OpenAI美 59 $0.81/task · 1M ctx
11/169 Grok 4.6 (medium)xAI美 59 $0.67/task · 500k ctx
12/169 Claude Opus 5 (medium)Anthropic美 59 $0.72/task · 1M ctx
13/169 Qwen3.8 Max阿里 Alibaba中 58 $1.13/task · 1M ctx · 47 t/s
14/169 Qwen3.8 2.4T A95B阿里 Alibaba中 58 $1.09/task · 984k ctx · 开源第二
15/169 GPT-5.6 Sol (high)OpenAI美 57 $0.55/task · 1M ctx
16/169 DeepSeek V4 Pro 0813 (max)DeepSeek中 53 $0.25/task · 1M ctx · 71 t/s · 开源第三
数据源 artificialanalysis.ai。开源第一：Kimi K3 (max) 60（榜第8·国产最高）· 开源第二：Qwen3.8 2.4T A95B 58 · 开源第三：DeepSeek V4 Pro 0813 53。本周 GLM-5.3 发布跃居 60（智谱），Grok 4.6 xhigh 新进 60。

LMArena 文本竞技场

LMArena (原 Chatbot Arena)
官网 ↗
Arena Elo（数百万真实用户盲测偏好）2026-08-24 快照（stealthy 渲染实抓真实模型名·非推断）

UC Berkeley LMSYS 发起，数百万真实用户对两个模型的回答盲选投票，按 Elo 排名。最贴近真实使用偏好、公信力最高的综合榜。

#模型Elo票数
1/390 Claude Fable 5Anthropic美 1508 24.3k 票 · 续居首
2/390 Claude Opus 4.6 (high)Anthropic美 1504 72.4k 票
3/390 Claude Opus 4.7 (high)Anthropic美 1502 60.2k 票
4/390 Muse Spark 1.2 (xHigh)Meta美 1498 3.3k 票 · 初步
5/390 Claude Opus 4.6Anthropic美 1497 76.4k 票
6/390 Claude Opus 5 (high)Anthropic美 1493 27.6k 票
7/390 Muse Spark 1.1Meta美 1491 20.2k 票
8/390 Gemini 3.7 Flash (high)Google美 1490 5.7k 票 · 初步
9/390 Kimi K3 (max)月之暗面 Kimi中 1489 15.1k 票 · 国产最高·开源第一
10/390 Claude Opus 5 (max)Anthropic美 1487 13.4k 票
11/390 GLM-5.3 (max)智谱 Z.ai中 1487 3.8k 票 · 开源第二·新模型跃升
12/390 Gemini 3.1 Pro PreviewGoogle美 1486 99.2k 票 · 票数最高
13/390 Gemini 3 ProGoogle美 1485 41.5k 票
14/390 GPT-5.6 Sol (xhigh)OpenAI美 1482 19.5k 票
15/390 GPT-5.5 (high)OpenAI美 1482 59.5k 票 · 大众主力
16/390 Qwen3.8 Max阿里 Alibaba中 1481 10.0k 票 · 国产第三
数据源 lmarena.ai（经 scrapling 渲染 arena.ai 实抓真实 slug）。本周模型名实抓非推断，榜首 Claude Fable 5 1508（+2 续居首）。GLM-5.3 (max) 发布以 1487 取代 GLM-5.2 成开源最高（与 AA 榜交叉印证），Kimi K3 (max) 1489 国产最高。名次按 Elo 序展示，全榜约 390 模型。

代码 · Coding

编程 Agent 能力——从真实 repo 修 bug 到终端里干活，当前厂商发布必争之地。

SWE-bench Verified

SWE-bench Verified
官网 ↗
Resolve Rate（真实 GitHub issue 修复率）2026-08-24 快照

从真实开源仓库取 500 个已人工验证的 issue，模型要读懂代码库、定位 bug、提交能通过测试的补丁。业界公认的「编程 Agent 能力」第一硬榜，几乎所有厂商发布时必刷。

#模型分数备注
1/111 Claude Fable 5Anthropic美 95.0%
2/111 Claude Mythos PreviewAnthropic美 93.9%
3/111 Claude Opus 4.8Anthropic美 88.6%
4/111 Claude Opus 4.7Anthropic美 87.6%
5/111 Claude Sonnet 5Anthropic美 85.2%
6/111 Claude Opus 4.5Anthropic美 80.9%
7/111 Claude Opus 4.6Anthropic美 80.8%
8/111 Gemini 3.1 ProGoogle美 80.6%
8/111 DeepSeek-V4-Pro-MaxDeepSeek中 80.6% 开源
10/111 MiniMax M3MiniMax中 80.5% 开源
11/111 Qwen3.7 Max阿里 Alibaba中 80.4%
12/111 Kimi K2.6月之暗面 Kimi中 80.2% 开源
18/111 MiMo-V2.5-Pro小米 Xiaomi中 78.9% 开源
21/111 Hy3腾讯 Tencent中 78.0% 开源
24/111 GLM-5智谱 Z.ai中 77.8% 开源
30/111 Seed 2.0 Pro字节 ByteDance中 76.5%
数据源 llm-stats.com（标准化协议）。全榜 111 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

Terminal-Bench 2.0

Terminal-Bench 2.0
官网 ↗
任务完成率（终端环境）2026-08-24 快照

在真实终端里完成软件工程、系统管理、数据处理任务——模型要自己敲命令、读报错、迭代。2025 下半年崛起最快的 agentic 编程新战场，头部三家争 SOTA 的焦点。

#模型分数备注
1/51 GPT-5.5OpenAI美 82.7%
2/51 Claude Mythos PreviewAnthropic美 82.0%
3/51 Claude Sonnet 5Anthropic美 80.4%
4/51 GPT-5.3 CodexOpenAI美 77.3%
5/51 Gemini 3.5 FlashGoogle美 76.2%
6/51 GPT-5.4OpenAI美 75.1%
7/51 Claude Opus 4.8Anthropic美 74.6%
8/51 Qwen3.7-Plus阿里 Alibaba中 70.3%
9/51 Qwen3.7 Max阿里 Alibaba中 69.7%
10/51 Claude Opus 4.7Anthropic美 69.4%
11/51 GLM-5.1智谱 Z.ai中 69.0% 开源
13/51 MiMo-V2.5-Pro小米 Xiaomi中 68.4% 开源
14/51 DeepSeek-V4-Pro-MaxDeepSeek中 67.9% 开源
15/51 Kimi K2.6月之暗面 Kimi中 66.7% 开源
26/51 MiniMax M2.7MiniMax中 57.0% 开源
35/51 Step-3.5-Flash阶跃 StepFun中 51.0% 开源
数据源 llm-stats.com（标准化协议）。全榜 51 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

LiveCodeBench

LiveCodeBench
官网 ↗
Pass Rate（防污染竞赛编程）2026-08-24 快照

持续从 LeetCode / AtCoder / CodeForces 抓最新竞赛题，按发布日期滚动切窗——只考模型没见过的新题，从机制上防止「背题」污染。考的是纯算法编程能力。

#模型分数备注
1/75 DeepSeek-V4-Pro-MaxDeepSeek中 93.5% 开源
2/75 DeepSeek-V4-Flash-MaxDeepSeek中 91.6% 开源
3/75 DeepSeek-V4-Flash-0423DeepSeek中 88.4% 开源
4/75 Solar Pro 4Upstage 87.8%
5/75 DeepSeek-V3.2 (Thinking)DeepSeek中 83.3% 开源
5/75 DeepSeek-V3.2DeepSeek中 83.3% 开源
7/75 MiniMax M2MiniMax中 83.0% 开源
8/75 LongCat-Flash-Thinking-2601美团 Meituan中 82.8% 开源
9/75 Nemotron 3 Super (120B A12B)NVIDIA美 81.2% 开源
10/75 Grok-3 MinixAI美 80.4%
20/75 GLM-4.5智谱 Z.ai中 72.9% 开源
23/75 Qwen3 235B A22B阿里 Alibaba中 70.7% 开源
42/75 Kimi K2-Instruct-0905月之暗面 Kimi中 53.7% 开源
数据源 llm-stats.com（标准化协议）。全榜 75 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

Agent · 工具调用

调用外部工具、多步编排、联网调查——Agent 时代最贴近生产的能力。

MCP Atlas

MCP Atlas
官网 ↗
任务成功率（MCP 工具编排）2026-08-24 快照

考模型通过 MCP（Model Context Protocol，Anthropic 提出的工具调用标准协议）调用外部工具、多步编排完成任务的能力。Agent 时代最贴近真实生产的工具调用榜。

#模型分数备注
1/33 Muse Spark 1.1Meta美 88.1%
2/33 Kimi K3月之暗面 Kimi中 84.2% 开源
3/33 Seed 2.1 Pro字节 ByteDance中 83.8%
4/33 Gemini 3.5 FlashGoogle美 83.6%
5/33 Claude Opus 4.8Anthropic美 82.2%
6/33 Seed 2.1 Turbo字节 ByteDance中 80.3%
7/33 Inkling-SmallThinking Machines Lab 79.6% 开源
8/33 Hy3腾讯 Tencent中 79.1% 开源
9/33 Claude Opus 4.7Anthropic美 77.3%
10/33 GLM-5.2智谱 Z.ai中 76.8% 开源
11/33 Qwen3.7 Max阿里 Alibaba中 76.4%
15/33 MiniMax M3MiniMax中 74.2% 开源
17/33 DeepSeek-V4-Pro-MaxDeepSeek中 73.6% 开源
数据源 llm-stats.com（标准化协议）。全榜 33 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

BrowseComp

BrowseComp
官网 ↗
准确率（浏览器搜索 Agent）2026-08-24 快照

OpenAI 出的浏览器智能体榜：模型要自己上网、多轮检索、交叉验证，回答需要深度联网调查才能查到的刁钻问题。考的是「搜索型 Agent」的信息获取与推理。

#模型分数备注
1/62 Kimi K3月之暗面 Kimi中 91.2% 开源
2/62 Claude Opus 5Anthropic美 90.8%
3/62 GPT-5.6 SolOpenAI美 90.4%
4/62 GPT-5.5 ProOpenAI美 90.1%
5/62 GPT-5.6 TerraOpenAI美 87.5%
6/62 Claude Mythos PreviewAnthropic美 86.9%
7/62 Kimi K2.6月之暗面 Kimi中 86.3% 开源
8/62 Seed 2.1 Pro字节 ByteDance中 86.2%
9/62 Gemini 3.1 ProGoogle美 85.9%
10/62 Seed 2.1 Turbo字节 ByteDance中 84.9%
14/62 Hy3腾讯 Tencent中 84.2% 开源
16/62 MiniMax M3MiniMax中 83.5% 开源
17/62 DeepSeek-V4-Pro-MaxDeepSeek中 83.4% 开源
20/62 GLM-5.1智谱 Z.ai中 79.3% 开源
30/62 Step-3.5-Flash阶跃 StepFun中 69.0% 开源
30/62 Qwen3.5-397B-A17B阿里 Alibaba中 69.0% 开源
数据源 llm-stats.com（标准化协议）。全榜 62 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

Toolathlon

Toolathlon
官网 ↗
任务成功率（长程多工具)2026-08-24 快照

香港科大出的「工具全能赛」：跨多个真实应用、长链条地调用几十种工具完成复杂任务，比单步工具调用难得多。考 Agent 的长程规划与工具协同。

#模型分数备注
1/37 Muse Spark 1.1Meta美 75.6%
2/37 DeepSeek-V4-Pro-0813DeepSeek中 74.1% 开源
3/37 Kimi K3月之暗面 Kimi中 73.2% 开源
4/37 GLM-5.3智谱 Z.ai中 73.0% 开源
5/37 Qwen3.8 Max阿里 Alibaba中 72.5% 开源
6/37 DeepSeek-V4-Flash-0731DeepSeek中 70.3% 开源
7/37 Claude Opus 4.8Anthropic美 59.9%
8/37 GPT-5.6 SolOpenAI美 58.0%
9/37 Gemini 3.5 FlashGoogle美 56.5%
10/37 GPT-5.5OpenAI美 55.6%
17/37 Seed 2.1 Pro字节 ByteDance中 50.6%
22/37 Hy3腾讯 Tencent中 48.5% 开源
25/37 MiniMax M2.7MiniMax中 46.3% 开源
数据源 llm-stats.com（标准化协议）。全榜 37 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

推理 · Reasoning

博士级科学、最难知识、奥赛数学——智力天花板的硬指标。

GPQA Diamond

GPQA Diamond
官网 ↗
准确率（博士级科学问答）2026-08-24 快照

生物/物理/化学的博士级难题，博士专家也只能答对 65%、能联网的非专家仅 34%——从设计上就杜绝「搜得到」。海外六家发布时 100% 引用的智力硬指标。

#模型分数备注
1/239 Claude Mythos PreviewAnthropic美 94.6%
1/239 GPT-5.6 SolOpenAI美 94.6%
3/239 Gemini 3.1 ProGoogle美 94.3%
4/239 Claude Opus 4.7Anthropic美 94.2%
5/239 Claude Opus 4.8Anthropic美 93.6%
5/239 GPT-5.5OpenAI美 93.6%
7/239 Kimi K3月之暗面 Kimi中 93.5% 开源
8/239 GPT-5.2 ProOpenAI美 93.2%
9/239 Grok 4.5xAI美 93.0%
10/239 GPT-5.6 TerraOpenAI美 92.9%
12/239 Qwen3.8 Max阿里 Alibaba中 92.6% 开源
18/239 GLM-5.2智谱 Z.ai中 91.2% 开源
20/239 Hy3腾讯 Tencent中 90.4% 开源
24/239 DeepSeek-V4-Pro-MaxDeepSeek中 90.1% 开源
30/239 Seed 2.0 Pro字节 ByteDance中 88.9%
58/239 ERNIE 5.0百度 Baidu中 85.0%
数据源 llm-stats.com（标准化协议）。全榜 239 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

人类最后考试 HLE

Humanity's Last Exam
官网 ↗
准确率（最难知识 · 含私有题防作弊）2026-08-24 快照

2500 道数学/科学/人文领域专家把关的顶尖难题，号称「人类知识最后一道闭卷考」，并保留私有 holdout 题集防刷分。当前最抗污染的知识天花板榜。

#模型分数备注
1/99 Claude Opus 5Anthropic美 64.7%
1/99 Claude Mythos PreviewAnthropic美 64.7%
3/99 Claude Fable 5Anthropic美 64.5%
4/99 GLM-5.3智谱 Z.ai中 62.5% 开源
5/99 Muse Spark 1.1Meta美 62.1%
6/99 DeepSeek-V4-Pro-0813DeepSeek中 60.0% 开源
7/99 Muse SparkMeta美 58.4%
8/99 Claude Opus 4.8Anthropic美 57.9%
9/99 Claude Sonnet 5Anthropic美 57.4%
10/99 GPT-5.5 ProOpenAI美 57.2%
11/99 Kimi K3月之暗面 Kimi中 56.0% 开源
12/99 Seed 2.1 Pro字节 ByteDance中 55.7%
24/99 Qwen3.5-27B阿里 Alibaba中 48.5% 开源
39/99 ERNIE 5.0百度 Baidu中 39.0%
45/99 MiMo-V2.5-Pro小米 Xiaomi中 34.0% 开源
53/99 LongCat-Flash-Thinking-2601美团 Meituan中 25.2% 开源
数据源 llm-stats.com（标准化协议）。全榜 99 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

HMMT 数学竞赛 2025

HMMT 2025
官网 ↗
准确率（哈佛-MIT 数学竞赛）2026-08-24 快照

哈佛-MIT 数学锦标赛真题，奥赛级难度。相比已被刷爆到多家并列满分的 AIME，HMMT 仍有区分度，是当前数学推理最能拉开差距的榜。

#模型分数备注
1/33 GPT-5.2 ProOpenAI美 100.0%
2/33 GPT-5.2OpenAI美 99.4%
3/33 DeepSeek-V3.2-SpecialeDeepSeek中 99.2% 开源
4/33 Kimi K2-Thinking-0905月之暗面 Kimi中 97.5% 开源
5/33 Qwen3.6 Plus阿里 Alibaba中 96.7%
6/33 Kimi K2.5月之暗面 Kimi中 95.4% 开源
7/33 Qwen3.5-397B-A17B阿里 Alibaba中 94.8% 开源
8/33 Nemotron 3 Super (120B A12B)NVIDIA美 94.7% 开源
9/33 GLM-5.2智谱 Z.ai中 94.4% 开源
10/33 GLM-5.1智谱 Z.ai中 94.0% 开源
22/33 MiMo-V2-Flash小米 Xiaomi中 84.4% 开源
数据源 llm-stats.com（标准化协议）。全榜 33 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

多模态 · Multimodal

看懂图文混合与科学图表的能力。

MMMU-Pro

MMMU-Pro
官网 ↗
准确率（跨学科图文理解）2026-08-24 快照

增强版 MMMU：30 个学科的大学级图文混合题，堵死了「不看图靠蒙」的捷径。考多模态大模型真正的看图理解与跨学科推理，是多模态第一综合榜。

#模型分数备注
1/68 Gemini 3.5 FlashGoogle美 83.6%
2/68 GPT-5.5OpenAI美 83.2%
3/68 GPT-5.6 SolOpenAI美 83.0%
4/68 Seed 2.1 Pro字节 ByteDance中 82.7%
5/68 Qwen3.8 Max阿里 Alibaba中 82.3% 开源
6/68 Seed 2.1 Turbo字节 ByteDance中 82.2%
7/68 Kimi K3月之暗面 Kimi中 81.6% 开源
8/68 GPT-5.4OpenAI美 81.2%
8/68 Gemini 3 FlashGoogle美 81.2%
10/68 Gemini 3 ProGoogle美 81.0%
21/68 MiniMax M3MiniMax中 78.1% 开源
22/68 MiMo-V2.5小米 Xiaomi中 77.9% 开源
数据源 llm-stats.com（标准化协议）。全榜 68 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

CharXiv 图表推理

CharXiv-Reasoning
官网 ↗
准确率（科学图表推理）2026-08-24 快照

取自 arXiv 论文的真实科学图表，问需要读懂坐标轴、趋势、数据关系才能答的推理题。考的是模型对复杂图表的深度理解——投研看图场景高度相关。

#模型分数备注
1/51 Claude Mythos PreviewAnthropic美 93.2%
2/51 Kimi K3月之暗面 Kimi中 91.3% 开源
3/51 Claude Opus 4.7Anthropic美 91.0%
4/51 Qwen3.8-27B阿里 Alibaba中 90.2% 开源
5/51 Claude Opus 4.8Anthropic美 89.9%
6/51 Gemini 3.6 FlashGoogle美 89.4%
7/51 Gemini 3.7 FlashGoogle美 88.7%
8/51 Muse Spark 1.1Meta美 88.4%
9/51 Claude Sonnet 5Anthropic美 88.3%
10/51 Kimi K2.6月之暗面 Kimi中 86.7% 开源
11/51 Seed 2.1 Pro字节 ByteDance中 86.4%
21/51 MiMo-V2.5小米 Xiaomi中 81.0% 开源
数据源 llm-stats.com（标准化协议）。全榜 51 个模型，此处取 Top 10 + 国产代表。分数为官方/自报，实时以官网为准。

视频生成 · Video

文生/图生视频的真人盲测偏好，国产厂商在此领跑全球。

AA 文生视频竞技场

AA Video Arena · Text-to-Video
官网 ↗
Arena Elo（真人盲测偏好，含音频档）2026-08-24 快照

文生视频：真人对同一提示词生成的两段视频盲选，按 Bradley-Terry 算 Elo。考画面质量、运动合理性、指令还原度。国产厂商（字节/快手/阿里）在此领跑全球。

#模型Elo票数 · 发布 · 定价
1/24 Wan 3.0阿里 Alibaba中 1244 5679 票 · Aug 2026 · Coming soon
2/24 Gemini Omni FlashGoogle美 1238 16181 票 · May 2026 · $6.00 /min
4/24 Dreamina Seedance 2.0 720p字节 ByteDance中 1221 22864 票 · Mar 2026 · $9.07 /min
5/24 Wan2.7-260612阿里 Alibaba中 1156 17231 票 · Jun 2026 · $9.00 /min
6/24 HappyHorse-1.1阿里 Alibaba中 1145 17334 票 · Jun 2026 · $9.90 /min
7/24 HappyHorse-1.0阿里 Alibaba中 1121 9311 票 · Apr 2026 · $13.20 /min
8/24 Wan 2.7阿里 Alibaba中 1107 5749 票 · Apr 2026 · $9.00 /min
9/24 Kling 3.0 1080p (Pro)快手 Kling中 1106 20666 票 · Feb 2026 · $20.16 /min
10/24 SkyReels V4昆仑万维 Skywork中 1101 6231 票 · Mar 2026 · $21.00 /min
11/24 Kling 3.0 720p (Standard)快手 Kling中 1098 19830 票 · Feb 2026 · $15.12 /min
12/24 Veo 3.1 LiteGoogle美 1090 8609 票 · Mar 2026 · $4.80 /min
13/24 Veo 3.1Google美 1089 9165 票 · Jan 2026 · $24.00 /min
17/24 Vidu Q3 Pro生数 Vidu中 1075 18521 票 · Jan 2026 · $9.60 /min
18/24 PixVerse V6爱诗 PixVerse中 1072 10361 票 · Mar 2026 · $6.90 /min
数据源 Artificial Analysis Video Arena。含音频档 Elo，共 24 个模型取 Top 12。

AA 图生视频竞技场

AA Video Arena · Image-to-Video
官网 ↗
Arena Elo（真人盲测偏好，含音频档）2026-08-24 快照

图生视频：真人对同一提示词生成的两段视频盲选，按 Bradley-Terry 算 Elo。考画面质量、运动合理性、指令还原度。国产厂商（字节/快手/阿里）在此领跑全球。

#模型Elo票数 · 发布 · 定价
1/23 Dreamina Seedance 2.0 720p字节 ByteDance中 1191 14990 票 · Mar 2026 · $9.07 /min
3/23 Gemini Omni FlashGoogle美 1182 9625 票 · May 2026 · $6.00 /min
4/23 grok-imagine-video-1.5xAI美 1111 5832 票 · May 2026 · $8.40 /min
5/23 HappyHorse-1.1阿里 Alibaba中 1106 10942 票 · Jun 2026 · $9.90 /min
7/23 Wan 2.7阿里 Alibaba中 1085 5113 票 · Apr 2026 · $9.00 /min
8/23 SkyReels V4昆仑万维 Skywork中 1084 5359 票 · Mar 2026 · $21.00 /min
9/23 HappyHorse-1.0阿里 Alibaba中 1084 8343 票 · Apr 2026 · $13.20 /min
10/23 Veo 3.1Google美 1084 8426 票 · Jan 2026 · $24.00 /min
11/23 grok-imagine-videoxAI美 1076 15180 票 · Jan 2026 · $4.20 /min
12/23 Veo 3.1 FastGoogle美 1073 14146 票 · Jan 2026 · $9.00 /min
13/23 Kling 3.0 1080p (Pro)快手 Kling中 1072 14761 票 · Feb 2026 · $20.16 /min
14/23 Veo 3.1 LiteGoogle美 1067 7727 票 · Mar 2026 · $4.80 /min
16/23 PixVerse V6爱诗 PixVerse中 1065 9732 票 · Mar 2026 · $6.90 /min
17/23 Vidu Q3 Pro生数 Vidu中 1060 15066 票 · Jan 2026 · $9.60 /min
数据源 Artificial Analysis Video Arena。含音频档 Elo，共 23 个模型取 Top 12。

机器人 · Robotics

具身智能 VLA 模型的真机操作能力（早期、季度手工维护）。

机器人真机操作榜

RoboChallenge · Table 30
官网 ↗
真机任务成功率（Table 30 桌面操作，共 30 项）2026-08-24（季度手工更新）

具身智能领域唯一「真机实测 + 覆盖商业玩家 + 中美同台」的公开榜，由 Dexmal 原力灵机联合 Hugging Face 发起。VLA（视觉-语言-动作）模型要在真实机械臂上完成 30 项桌面操作，按成功率排名。上榜以国产队伍为主，近期引发刷榜争议，本身即投研信号。

#模型成功率综合分 / 说明
1/5 Era0星动纪元 Robotera中 64.33% 综合分 76.34 · 真机第一
2/5 DM0Dexmal 原力灵机中 62.00% 综合分 72.25 · 榜方自研
3/5 GigaBrain-0.1GigaBrain中 51.67% 综合分 68.34
4/5 Spirit-v1.5千寻智能 Spirit中 51.00% 综合分 67.19 · 商业化 VLA
5/5 Lira (generalist)Atlas 具身中 45.00% 综合分 59.83
数据源 robochallenge.ai 官方主榜（Models Rank），季度手工维护。VLA=Vision-Language-Action，机器人领域的「大模型」。海外 π0/GR00T 等标杆未在此榜正式提交，故不列。