1
A
claude-opus-4-6-thinking
claude-opus-4-6-thinkingAnthropic
100.0
435
1M
¥36 / ¥180输入/输出
对话 · 视觉理解 · 中文排行榜
基于公开偏好评测数据展示 视觉理解 / 中文 榜单，每个榜单独立排序。
中文模型怎么选？
中文排行榜用于回答“中文哪个 AI 模型更强”这类选型问题。页面基于公开偏好评测数据展示模型排名，每个榜单独立排序，不把不同任务的原始分数直接混合。当前榜首是 claude-opus-4-6-thinking，厂商为 anthropic，百分制分数 100.0，样本量 435。 数据来源保留 Arena 原始榜单和 LMArena leaderboard dataset，更新时间以榜单发布时间 2026-05-18 为准。
claude-opus-4-6-thinkingclaude-opus-4-6gemini-3.1-pro-previewgemini-3-proclaude-opus-4-7-thinking
2
Aclaude-opus-4-6
claude-opus-4-6Anthropic
98.9
466
1M
¥36 / ¥180输入/输出
3
G
gemini-3.1-pro-preview
gemini-3.1-pro-previewGoogle
97.8
1K
1.05M
¥14.4 / ¥86.4输入/输出
4
Ggemini-3-pro
gemini-3-proGoogle
96.7
1.4K
1.05M
¥14.4 / ¥86.4输入/输出
5
Aclaude-opus-4-7-thinking
claude-opus-4-7-thinkingAnthropic
95.7
386
1M
¥36 / ¥180输入/输出
6
M
muse-spark
muse-sparkMeta
94.6
325
-
-
7
M
kimi-k2.6
kimi-k2.6Moonshot
93.5
368
262K
¥6.84 / ¥28.8输入/输出
8
O
gpt-5.5
gpt-5.5Openai
92.4
315
1.05M
¥36 / ¥216输入/输出
9
Ogpt-5.4-high
gpt-5.4-highOpenai
91.3
357
1.05M
¥18 / ¥108输入/输出
10
Aclaude-opus-4-7
claude-opus-4-7Anthropic
90.2
493
1M
¥36 / ¥180输入/输出
11
Mkimi-k2.5-instant
kimi-k2.5-instantMoonshot
89.1
170
262K
¥4.32 / ¥21.6输入/输出
12
Ogpt-5.5-high
gpt-5.5-highOpenai
88.0
256
1.05M
¥36 / ¥216输入/输出
13
Ggemini-3-flash
gemini-3-flashGoogle
87.0
1.1K
1.05M
¥3.6 / ¥21.6输入/输出
14
Ggemma-4-26b-a4b
gemma-4-26b-a4bGoogle
85.9
668
262K
¥0.94 / ¥2.88输入/输出
15
Z
glm-5v-turbo
glm-5v-turboZai
84.8
488
200K
¥0 / ¥0输入/输出
16
Ogpt-5.4
gpt-5.4Openai
83.7
322
1.05M
¥18 / ¥108输入/输出
17
Ggemma-4-31b
gemma-4-31bGoogle
82.6
1.1K
262K
¥3.24 / ¥7.2输入/输出
18
B
dola-seed-2.0-pro
dola-seed-2.0-proBytedance
81.5
495
-
-
19
A
qwen3.5-397b-a17b
qwen3.5-397b-a17bAlibaba
80.4
570
262K
¥3.1 / ¥18.6输入/输出
20
Aqwen3.5-27b
qwen3.5-27bAlibaba
79.3
530
262K
¥2.16 / ¥17.3输入/输出
21
Ggemini-3-flash (thinking-minimal)
gemini-3-flash (thinking-minimal)Google
78.3
989
1.05M
¥3.6 / ¥21.6输入/输出
22
Mkimi-k2.5-thinking
kimi-k2.5-thinkingMoonshot
77.2
744
262K
¥4.32 / ¥21.6输入/输出
23
X
grok-4.20-multi-agent-beta-0309
grok-4.20-multi-agent-beta-0309Xai
76.1
525
2M
¥14.4 / ¥43.2输入/输出
24
MI
mimo-v2.5
mimo-v2.5Xiaomi
75.0
379
1.05M
¥2.88 / ¥14.4输入/输出
25
Aqwen3.7-plus-preview
qwen3.7-plus-previewAlibaba
73.9
216
131K
¥3.6 / ¥21.6输入/输出
26
Aqwen3.5-122b-a10b
qwen3.5-122b-a10bAlibaba
72.8
562
262K
¥2.88 / ¥23输入/输出
27
Aclaude-sonnet-4-6
claude-sonnet-4-6Anthropic
71.7
524
1M
¥21.6 / ¥108输入/输出
28
Ogpt-5.4-mini-high
gpt-5.4-mini-highOpenai
70.7
517
400K
¥5.4 / ¥32.4输入/输出
29
Ogpt-5.2-high
gpt-5.2-highOpenai
69.6
778
400K
¥12.6 / ¥101输入/输出
30
Xgrok-4.20-beta-0309-reasoning
grok-4.20-beta-0309-reasoningXai
68.5
560
2M
¥14.4 / ¥43.2输入/输出
31
Ggemini-2.5-pro
gemini-2.5-proGoogle
67.4
2.9K
1.05M
¥9 / ¥72输入/输出
32
Ggemini-2.5-flash-preview-09-2025
gemini-2.5-flash-preview-09-2025Google
66.3
391
1M
¥2.16 / ¥18输入/输出
33
Aqwen3-vl-235b-a22b-instruct
qwen3-vl-235b-a22b-instructAlibaba
65.2
719
128K
¥2.16 / ¥8.64输入/输出
34
Ggemini-2.5-flash
gemini-2.5-flashGoogle
64.1
2.4K
1.05M
¥2.16 / ¥18输入/输出
35
Ggemini-3.1-flash-lite-preview
gemini-3.1-flash-lite-previewGoogle
63.0
812
1.05M
¥1.8 / ¥10.8输入/输出
36
MImimo-v2-omni
mimo-v2-omniXiaomi
62.0
397
262K
¥2.88 / ¥14.4输入/输出
37
Ogpt-5.1-high
gpt-5.1-highOpenai
60.9
453
400K
¥9 / ¥72输入/输出
38
Ogpt-5.2
gpt-5.2Openai
59.8
826
400K
¥12.6 / ¥101输入/输出
39
Ogpt-5.2-chat-latest-20260210
gpt-5.2-chat-latest-20260210Openai
58.7
636
400K
¥12.6 / ¥101输入/输出
40
B
ernie-5.0-preview-1220
ernie-5.0-preview-1220Baidu
57.6
173
128K
¥7.92 / ¥14.4输入/输出
41
Ogpt-5.1
gpt-5.1Openai
56.5
558
400K
¥9 / ¥72输入/输出
42
Ogpt-5-chat
gpt-5-chatOpenai
55.4
1.3K
400K
¥9 / ¥72输入/输出
43
Ogpt-5.4-nano-high
gpt-5.4-nano-highOpenai
54.3
537
400K
¥1.44 / ¥9输入/输出
44
Xgrok-4-0709
grok-4-0709Xai
53.3
1.2K
256K
¥21.6 / ¥108输入/输出
45
Ochatgpt-4o-latest-20250326
chatgpt-4o-latest-20250326Openai
52.2
1.1K
128K
¥18 / ¥72输入/输出
46
Ogpt-5-high
gpt-5-highOpenai
51.1
1.4K
400K
¥9 / ¥72输入/输出
47
Ggemini-2.5-flash-lite-preview-09-2025-no-thinking
gemini-2.5-flash-lite-preview-09-2025-no-thinkingGoogle
50.0
405
1.05M
¥0.72 / ¥2.88输入/输出
48
Oo3-2025-04-16
o3-2025-04-16Openai
48.9
1.6K
200K
¥14.4 / ¥57.6输入/输出
49
Oo1-2024-12-17
o1-2024-12-17Openai
47.8
99
128K
¥108 / ¥432输入/输出
50
Ogpt-5.5-instant
gpt-5.5-instantOpenai
46.7
231
400K
¥9 / ¥72输入/输出
51
Ogpt-4.1-2025-04-14
gpt-4.1-2025-04-14Openai
45.7
1.4K
1.05M
¥14.4 / ¥57.6输入/输出
52
Xgrok-4-1-fast-reasoning
grok-4-1-fast-reasoningXai
44.6
632
2M
¥1.44 / ¥3.6输入/输出
53
Ogpt-5-mini-high
gpt-5-mini-highOpenai
43.5
1K
400K
¥1.8 / ¥14.4输入/输出
54
Oo4-mini-2025-04-16
o4-mini-2025-04-16Openai
42.4
1.3K
200K
¥7.92 / ¥31.7输入/输出
55
Ggemini-2.5-flash-lite-preview-06-17-thinking
gemini-2.5-flash-lite-preview-06-17-thinkingGoogle
41.3
1K
65.5K
¥0.72 / ¥2.88输入/输出
56
Ogpt-4.1-mini-2025-04-14
gpt-4.1-mini-2025-04-14Openai
40.2
1.1K
1.05M
¥2.88 / ¥11.5输入/输出
57
Ggemini-1.5-pro-002
gemini-1.5-pro-002Google
39.1
395
-
-
58
MA
mistral-medium-2508
mistral-medium-2508Mistral
38.0
1.4K
262K
¥2.88 / ¥14.4输入/输出
59
Ogpt-4.5-preview-2025-02-27
gpt-4.5-preview-2025-02-27Openai
37.0
77
8.19K
¥216 / ¥432输入/输出
60
Ggemma-3-27b-it
gemma-3-27b-itGoogle
35.9
734
128K
¥2.15 / ¥2.15输入/输出
61
Aclaude-3-7-sonnet-20250219
claude-3-7-sonnet-20250219Anthropic
34.8
153
200K
¥21.6 / ¥108输入/输出
62
MAmistral-medium-2505
mistral-medium-2505Mistral
33.7
477
262K
¥2.88 / ¥14.4输入/输出
63
MAmistral-small-2506
mistral-small-2506Mistral
32.6
481
262K
¥2.88 / ¥14.4输入/输出
64
Ggemini-2.0-flash-001
gemini-2.0-flash-001Google
31.5
339
1.05M
¥1.08 / ¥4.32输入/输出
65
MAmistral-small-3.1-24b-instruct-2503
mistral-small-3.1-24b-instruct-2503Mistral
30.4
718
262K
¥2.88 / ¥14.4输入/输出
66
Ggemini-1.5-flash-002
gemini-1.5-flash-002Google
29.3
370
2M
¥0.54 / ¥2.2输入/输出
67
Ogpt-4o-2024-05-13
gpt-4o-2024-05-13Openai
28.3
1.5K
128K
¥36 / ¥108输入/输出
68
Mllama-4-maverick-17b-128e-instruct
llama-4-maverick-17b-128e-instructMeta
27.2
232
1M
¥1.8 / ¥6.26输入/输出
69
Aclaude-3-5-sonnet-20241022
claude-3-5-sonnet-20241022Anthropic
26.1
513
200K
¥21.6 / ¥108输入/输出
70
Aqwen2.5-vl-72b-instruct
qwen2.5-vl-72b-instructAlibaba
25.0
119
131K
¥16.5 / ¥49.5输入/输出
71
Aclaude-3-5-sonnet-20240620
claude-3-5-sonnet-20240620Anthropic
23.9
1.6K
200K
¥21.6 / ¥108输入/输出
72
MApixtral-large-2411
pixtral-large-2411Mistral
22.8
156
128K
¥14.4 / ¥43.2输入/输出
73
Mllama-4-scout-17b-16e-instruct
llama-4-scout-17b-16e-instructMeta
21.7
237
128K
¥1.44 / ¥5.62输入/输出
74
Aqwen2-vl-72b
qwen2-vl-72bAlibaba
20.7
291
-
-
75
UNinternvl2-26b
-
19.6
287
-
-
76
Ogpt-4-turbo-2024-04-09
gpt-4-turbo-2024-04-09Openai
18.5
937
128K
¥72 / ¥216输入/输出
77
Ogpt-4o-mini-2024-07-18
gpt-4o-mini-2024-07-18Openai
17.4
952
128K
¥1.08 / ¥4.32输入/输出
78
Ggemini-1.5-pro-001
gemini-1.5-pro-001Google
16.3
1.2K
-
-
79
Ggemini-2.0-flash-lite-preview-02-05
gemini-2.0-flash-lite-preview-02-05Google
15.2
98
1.05M
¥0.54 / ¥2.16输入/输出
80
Ogpt-4o-2024-08-06
gpt-4o-2024-08-06Openai
14.1
186
128K
¥18 / ¥72输入/输出
81
Aqwen2-vl-7b-instruct
qwen2-vl-7b-instructAlibaba
13.0
298
131K
¥2.07 / ¥5.16输入/输出
82
Aclaude-3-opus-20240229
claude-3-opus-20240229Anthropic
12.0
1K
200K
¥108 / ¥540输入/输出
83
Ggemini-1.5-flash-8b-001
gemini-1.5-flash-8b-001Google
10.9
332
2M
¥0.54 / ¥2.2输入/输出
84
Ggemini-1.5-flash-001
gemini-1.5-flash-001Google
9.8
950
2M
¥0.54 / ¥2.2输入/输出
85
Mllama-3.2-vision-90b-instruct
llama-3.2-vision-90b-instructMeta
8.7
393
131K
¥2.48 / ¥2.48输入/输出
86
MApixtral-12b-2409
pixtral-12b-2409Mistral
7.6
335
128K
¥1.08 / ¥1.08输入/输出
87
UNinternvl2-4b
-
6.5
177
-
-
88
Aclaude-3-sonnet-20240229
claude-3-sonnet-20240229Anthropic
5.4
915
200K
¥21.6 / ¥108输入/输出
89
AI
molmo-72b-0924
molmo-72b-0924Allenai
4.3
182
-
-
90
Aclaude-3-haiku-20240307
claude-3-haiku-20240307Anthropic
3.3
1K
200K
¥1.8 / ¥9输入/输出
91
Mllama-3.2-vision-11b-instruct
llama-3.2-vision-11b-instructMeta
2.2
266
131K
¥2.48 / ¥2.48输入/输出
92
UNllava-v1.6-34b
-
1.1
415
-
-
93
AImolmo-7b-d-0924
molmo-7b-d-0924Allenai
0.0
171
-
-
claude-opus-4-6-thinking 为什么排第一
claude-opus-4-6-thinking 当前排名第 1，厂商为 anthropic，百分制分数 100.0，样本量 435。如果你的任务与本榜单口径一致，可以优先把它作为候选模型，再结合价格、上下文长度和可用性做最终选择。
不要只看第一名
先选择最接近真实任务的排行榜，再比较 Top 模型的分数和样本量。分数越高说明同一榜单内偏好表现越强；样本量越高通常结果更稳定。最后再结合价格、上下文长度、开源闭源和厂商可用性筛选。
继续比较相近能力
中文常见问题
中文排行榜看什么指标？
主要看排名、百分制分数、样本量和来源。分数用于快速比较同一榜单内模型表现，样本量用于判断结果稳定性。
为什么不同榜单不能直接混合成总分？
不同榜单的任务、样本和评测口径不同，模力榜默认只在同一榜单内排序，避免把写作、代码、图像等能力强行合并。
中文模型应该怎么选？
优先看与你任务最接近的榜单，再结合价格、上下文长度、开源闭源和厂商可用性。排名靠前不代表适合所有预算和部署方式。
榜单多久更新？
页面展示的是最新成功采集的公开榜单数据。当前优先使用 LMArena leaderboard dataset，并在页面来源中保留原始链接。