排行榜

能力评测站内热度

外部权威评测，保留原始分数与来源

综合编程 Agent 与工具推理与知识写作与对话语言行业视觉图像视频

综合能力指数用户盲测总榜高难问题

高难问题Arena 难题子集：只统计被判定为复杂、需要多步推理的提问。

第 1 名

Gemini 4 Argon (High)Google

难题偏好

1548.85Arena±10.97

领先第 2 名

+15.84统计并列

能力指纹

编程写作指令多轮难题数学中文

来源

Arena2026-10-15

高难问题排名233

model= /

第一梯队2 个模型与第 1 名在 95% 置信区间内无显著差异，名次先后不代表确定的强弱。

名次模型思考强度难题偏好· 95% 区间能力指纹

01

Gemini 4 Argon (High)

Gemini 4 Argon (High)

思考强度：—

1548.85

02

Claude Opus 5.5 (High)

Claude Opus 5.5 (High)

思考强度：—

1533.01

03

Claude Opus 4.6 (High)

Claude Opus 4.6 (High)

思考强度：—

1531.42

04

Claude Fable 5 (High)

Claude Fable 5 (High)

思考强度：—

1529.20

05

Claude Opus 4.6

Claude Opus 4.6

思考强度：—

1527.07

06

Claude Opus 4.7 (High)

Claude Opus 4.7 (High)

思考强度：—

1525.38

07

Claude Fable 5.1 (Max)

Claude Fable 5.1 (Max)

思考强度：—

1521.15

08

Claude Opus 4.7

Claude Opus 4.7

思考强度：—

1518.99

09

Gemini 3.8 Flash (High)

Gemini 3.8 Flash (High)

思考强度：—

1517.63

10

Kimi K3 (Max)

Kimi K3 (Max)

思考强度：—

1515.75

11

Claude Opus 5 (High)

Claude Opus 5 (High)

思考强度：—

1514.38

12

Claude Opus 5 (Max)

Claude Opus 5 (Max)

思考强度：—

1514.33

13

Claude Opus 4.8

claude-opus-4-8-high

思考强度：High

1512.96

14

GPT 5.6 Sol

gpt-5.6-sol-xhigh

思考强度：XHigh

1511.37

15

Gemini 3.1 Pro Preview

Gemini 3.1 Pro Preview

思考强度：—

1507.70

16

Gemini 3.7 Flash (High)

Gemini 3.7 Flash (High)

思考强度：—

1506.83

17

GPT 6.1 Sol

gpt-6.1-sol-max

思考强度：Max

1506.31

18

Claude Opus 4.8

claude-opus-4-8

思考强度：—

1505.00

19

Claude Sonnet 5.5

claude-sonnet-5.5-xhigh

思考强度：XHigh

1504.06

20

Claude Sonnet 4.6

claude-sonnet-4-6

思考强度：—

1503.45

有 7 天前的可比快照后显示周变化。