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

创意写作指令遵循多轮对话长提问

多轮对话Arena 多轮子集：只统计包含多轮来回的对话。

第 1 名

Gemini 4 Argon (High)Google

多轮偏好

1552.13Arena±23.30

领先第 2 名

+33.97

能力指纹

编程写作指令多轮难题数学中文

来源

Arena2026-10-15

多轮对话排名233

model= /

第一梯队1 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。

名次模型思考强度多轮偏好· 95% 区间能力指纹

01

Gemini 4 Argon (High)

Gemini 4 Argon (High)

思考强度：—

1552.13

02

Claude Fable 5 (High)

Claude Fable 5 (High)

思考强度：—

1518.16

03

Claude Opus 4.6 (High)

Claude Opus 4.6 (High)

思考强度：—

1516.98

04

Claude Opus 4.7 (High)

Claude Opus 4.7 (High)

思考强度：—

1516.17

05

Claude Opus 4.7

Claude Opus 4.7

思考强度：—

1513.85

06

Claude Opus 4.6

Claude Opus 4.6

思考强度：—

1511.47

07

Gemini 3.8 Flash (High)

Gemini 3.8 Flash (High)

思考强度：—

1503.23

08

Claude Opus 5.5 (High)

Claude Opus 5.5 (High)

思考强度：—

1500.59

09

Kimi K3 (Max)

Kimi K3 (Max)

思考强度：—

1500.12

10

Claude Opus 4.8

claude-opus-4-8-high

思考强度：High

1496.46

11

Gemini 3.1 Pro Preview

Gemini 3.1 Pro Preview

思考强度：—

1496.03

12

Gemini 3 Pro

Gemini 3 Pro

思考强度：—

1495.69

13

GPT 5.2 Chat Latest (20260210)

gpt-5.2-chat-latest-20260210

思考强度：—

1494.65

14

Claude Opus 4.8

claude-opus-4-8

思考强度：—

1494.49

15

GPT 5.4

gpt-5.4-high

思考强度：High

1493.02

16

Qwen3.8 Max

qwen3.8-max

思考强度：—

1490.34

17

Gemini 3.7 Flash (High)

Gemini 3.7 Flash (High)

思考强度：—

1489.53

18

GPT 5.6 Sol

gpt-5.6-sol-xhigh

思考强度：XHigh

1488.40

19

Gemini 3.6 Flash

gemini-3.6-flash-high

思考强度：High

1487.39

20

GPT 5.5

gpt-5.5-high

思考强度：High

1487.16

有 7 天前的可比快照后显示周变化。