IT之家 8 月 17 日消息，Arena（arena.ai）平台发布 2026 年第 33 周（8 月 10 日 ~8 月 16 日）AI 大模型盲测排名，本期最大看点是 Anthropic 多款 claude-opus-4 系列新模型密集入榜并占据综合榜前五位，国产模型 kimi-k3-max 排名上升 2 位至综合榜第 12 位，在前端开发榜也保持第 2 位，qwen3.8-max 首次跻身智能体榜 Top 10。国产模型整体仍处于中上游位置，在前端开发等细分领域已经形成对头部海外模型的紧追态势。
IT之家注：本榜单基于 Arena（arena.ai）平台匿名盲测投票，通过 ELO（智能体榜为百分比信号）计算排名，反映用户主观偏好而非绝对能力测试；不同分榜相互独立，不宜跨榜比较，分差在误差范围内均视为并列，新模型也需积累一定投票量后才会正式入榜。
综合榜
本期综合榜头部几乎被 Anthropic 新模型包揽，claude-fable-5 以 1506 分蝉联榜首，新入榜的 claude-opus-4-6-high 以 1505 分紧随其后位列第二，同样新入榜的 claude-opus-4-7-high 以 1502 分排名第三。前三名分数差距均在 5 分以内，属于误差范围内的并列。
谷歌 gemini-3.7-flash-high 作为新模型首次入榜即拿到第 9 名，表现亮眼。国产模型方面，kimi-k3-max 上升 2 位至第 12 名，是排名最高的国产模型。
国产模型整体处于榜单中上游，具体排名如下：
- 月之暗面 kimi-k3-max 位列第 12 名，ELO 1489 分，较上周上升 2 位；
- 阿里 qwen3.8-max 位列第 8 名，ELO 1491 分，较上周下降 2 位；
- 阿里 qwen3.7-max-preview 位列第 26 名，ELO 1474 分，较上周下降 3 位。
代码榜
代码榜格局同样由 Anthropic 新模型主导，claude-fable-5 以 1554 分守住榜首位置，新入榜的 claude-opus-4-7-high 和 claude-opus-4-6-high 分别以 1552 分、 1551 分占据第二、第三名，分数差距极小，误差范围内视为并列。kimi-k3-max 稳定在第六名，ELO 分数上涨 2 分，依然是排名最高的国产代码模型。Meta muse-spark-1.2 (xHigh) 排名上升 7 位至第八名，是本周涨幅最大的头部模型。
国产模型在代码榜占据多个中上游席位，具体排名如下：
- 月之暗面 kimi-k3-max 排名最高，位列第 6 名，ELO 1544 分，排名不变；
- 阿里 qwen3.8-max 位列第 13 名，ELO 1529 分，较上周下降 5 位；
- 阿里 qwen3.7-max-preview 位列第 17 名，ELO 1525 分，排名不变；
- 小米 mimo-v2.5-pro 位列第 25 名，ELO 1520 分，较上周上升 3 位。
前端开发榜
前端开发榜头部格局稳定，claude-opus-5-max 以 1692 分蝉联第一，国产 kimi-k3-max 以 1674 分保持第二名位置，仅落后 18 分，依然对榜首形成紧逼。阿里 qwen3.8-max 上升 1 位至第三名，ELO 分数 1667 分，深度求索的 deepseek-v4-pro-high-20260813 作为新模型首次入榜即拿到第 10 名，ELO 分数 1584 分，表现不俗。
国产模型在前端开发榜占据多个头部和中上游位置，具体如下：
- 月之暗面 kimi-k3-max 位列第 2 名，ELO 1674 分，排名不变；
- 阿里 qwen3.8-max 位列第 3 名，ELO 1667 分，较上周上升 1 位；
- 智谱 glm-5.2-max 位列第 9 名，ELO 1585 分，较上周下降 2 位；
- 深度求索 deepseek-v4-pro-high-20260813 新入榜位列第 10 名，ELO 1584 分；
- 深度求索 deepseek-v4-flash-high 位列第 11 名，ELO 1581 分，排名下降 3 位。
AI 生图榜
AI 生图榜中，gpt-image-2 (medium) 以 1381 分继续稳坐榜首，微软新模型 mai-image-2.6-preview 首次入榜就拿到第二名，ELO 分数 1336 分，直接跻身头部梯队。国产 seedream-5.0-pro 守住第八名，ELO 分数 1258 分，qwen-image-3.0-pro 位列第九名，两者分数差距仅 1 分，在误差范围内并列。
AI 视频榜
AI 视频榜头部迎来新变化，Black Forest Labs 新模型 flux-3-video 首次入榜即拿到第二名，ELO 分数 1496 分，仅落后榜首 gemini-omni-flash 16 分。国产模型 dreamina-seedance-2.0-720p 保持第三名位置，ELO 分数 1478 分，minimax-h3 位列第五名，整体头部格局相对稳定。
智能体榜
智能体榜中，Anthropic 模型继续垄断前三，Claude Opus 5 (High) 以 12.19% 的净提升度守住榜首位置。本次榜单有两款新模型进入前十，其中国产 Qwen3.8 Max 首次入榜即排名第 11 位，净提升度达到 7.61%，任务确认成功率 12.54%，工具幻觉率仅 0.11%，表现非常亮眼。另一款新入榜的 Claude Opus 4.8 (High) 排名第六，净提升度 9.78%。国产 Kimi K3 (Max) 稳定在第五名，净提升度 10.6%，任务确认成功率 15.55%，已经跻身全球智能体第一梯队。
国产模型在智能体榜已有多款进入中上游，具体如下：
- 月之暗面 Kimi K3 (Max) 位列第 5 名，净提升度 10.60%，任务确认成功率 15.55%，排名不变；
- 阿里 Qwen3.8 Max 新入榜位列第 11 名，净提升度 7.61%，任务确认成功率 12.54%；
- 智谱 GLM 5.2 (Max) 位列第 14 名，净提升度 6.74%，较上周下降 2 位；
- 深度求索 Deepseek V4 Flash (High) (20260731) 位列第 19 名，净提升度 4.04%，较上周上升 2 位。
本周 Arena 榜单最显著的特征是海外厂商 Anthropic 集中发布多款新模型并迅速占据各榜单头部位置，验证了其模型迭代的技术积累；国产模型方面，kimi-k3-max 在综合、代码、前端开发三个核心榜单均稳定在前 15 名，前端开发榜更是稳居第二，qwen3.8-max 在智能体榜首秀即进入 Top 11，整体来看国产大模型在通用能力和智能体领域都在持续推进，与头部海外模型的差距仍在稳步缩小。下周市场预计将有更多国产新模型完成版本迭代，值得持续关注其排名表现。