orbis综合Arena Vision：带图片的提问，用户盲测偏好（风格控制）。
综合排名118
第一梯队8 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。
名次模型思考强度视觉偏好· 95% 区间能力指纹
01
思考强度：High
Claude Fable 5
claude-fable-5-high
02
思考强度：—
Qwen3.8 Max
qwen3.8-max
03
思考强度：High
Claude Opus 4.6
claude-opus-4-6-high
04
思考强度：—
Claude Opus 4.7
claude-opus-4-7
05
思考强度：High
Claude Opus 4.7
claude-opus-4-7-high
06
思考强度：High
Gemini 3.7 Flash
gemini-3.7-flash-high
07
思考强度：—
Claude Opus 4.6
claude-opus-4-6
08
思考强度：Max
GPT 6.1 Sol
gpt-6.1-sol-max
09
思考强度：High
Claude Opus 5.5
claude-opus-5.5-high
10
思考强度：—
Gemini 3 Pro
gemini-3-pro
11
思考强度：High
Gemini 3.8 Flash
gemini-3.8-flash-high
12
思考强度：High
Claude Opus 5
claude-opus-5-high
13
思考强度：XHigh
GPT 5.6 Sol
gpt-5.6-sol-xhigh
14
思考强度：Max
Claude Fable 5.1
claude-fable-5.1-max
15
思考强度：Max
GPT 6 Astra
gpt-6-astra-max
16
思考强度：—
GPT 5.5
gpt-5.5
17
思考强度：High
Claude Opus 4.8
claude-opus-4-8-high
18
思考强度：Medium
Gemini 3.5 Flash
gemini-3.5-flash-medium
19
思考强度：High
GPT 5.4
gpt-5.4-high
20
思考强度：High
Gemini 3.5 Flash
gemini-3.5-flash-high
待接入
有 7 天前的可比快照后显示周变化。