TL;DR
数据快照：2026-07-10 至 2026-08-06 各榜交叉验证。综合智能第一是 Anthropic Claude Fable 5（2026-06-09 发布，AA 智能指数 64.9 分、GDPval-AA Elo 1932），LMArena 文本榜前五被 Claude 系列包揽；代码能力第一是 Kimi K3（LMArena Coding Arena 1529）；按真实调用量算，DeepSeek V4 Flash 已是全球第一（OpenRouter 单日约 84% 的 token 量）。国产模型与海外第一梯队差距已收窄到约 5 分以内（SuperCLUE 2026-05 口径）。
LMArena 文本榜（2026-07-10）
| 排名 | 模型 | 综合得分（Elo） | 说明 |
|---|---|---|---|
| 1 | Claude Fable 5 | 1509±9 | Anthropic 2026-06-09 发布；API 价 $10/$50 每百万 token |
| 2–5 | Claude 系列（Opus 4.8 / Opus 4.7 等） | — | 前五名全部为 Claude 系，真人盲测偏好优势明显 |
| 国内第 1（2026-01 快照） | ERNIE-5.0-0110（百度） | 1460 | 全球第 8、中国第 1；数学榜全球第 2（2026-01-15） |
代码与综合智能榜（2026-07/08）
| 榜单（数据日期） | 第一 | 得分/数值 |
|---|---|---|
| LMArena Coding Arena（2026-07-16） | Kimi K3（月之暗面） | Elo 1529 |
| Artificial Analysis 智能指数（2026-07） | Claude Fable 5 | 64.9 分，领先 GPT-5.5 约 5 分；Opus 4.8 第 2 |
| AA GDPval-AA（真实工作任务，2026-07） | Claude Fable 5 | Elo 1932（前纪录 Opus 4.8） |
| SWE-bench Verified（2026-06 官方自报） | Claude Fable 5 | 95.0%（Opus 4.8 为 88.6%） |
| OpenRouter 模型调用量（2026-08-06） | DeepSeek V4 Flash | 全球第一，单日约 7.5T token 中占 6.3T（约 84%） |
与上期对比（2026-01 → 2026-08）
| 变化点 | 2026-01 快照 | 2026-08 快照 |
|---|---|---|
| LMArena 文本榜第一 | GLM-4.7 / ERNIE-5.0 进前十 | Claude Fable 5，前五全为 Claude |
| 中国模型在 LMArena 文本榜 | ERNIE-5.0-0110 全球第 8 | 暂无中国模型进前十 |
| 代码榜 | Claude/GPT 领先 | Kimi K3（1529）登顶 |
| 调用量第一 | — | DeepSeek V4 Flash（价格战红利兑现） |
| 中文综合（SuperCLUE 2026-05） | — | Gemini 3.1 Pro 第 1；DeepSeek-V4-Pro / Qwen3.7-Max / 豆包 Seed-2.0-pro 与第一梯队差距 <5 分 |
按用途怎么选（2026-08 建议）
| 场景 | 首选 | 备选 | 理由 |
|---|---|---|---|
| 综合智能/复杂推理 | Claude Fable 5 | GPT-5.5 / Opus 4.8 | AA 指数第一，长程 agent 任务（GDPval-AA 1932）断层领先 |
| 编程/代码工程 | Kimi K3 / Claude 系 | DeepSeek V4 | 代码榜第一；SWE-bench Verified Fable 5 达 95.0% |
| 中文场景 | Gemini 3.1 Pro | DeepSeek V4 / Qwen3.7-Max | SuperCLUE 中文第 1；国产差距已 <5 分 |
| 性价比/大批量调用 | DeepSeek V4 Flash | V4 Pro | 输出 2 元/百万 token（2026-08-06 现价），调用量全球第一 |
| 私有化部署/开源 | DeepSeek V4 / Qwen3.7-Max | Kimi K3 | 开源可私有化，数据不出境 |
摘要要点
- Anthropic 在真人盲测（LMArena）与综合智能（AA）双榜形成集团优势；Fable 5 与 Mythos 5 同源，后者仅限 Project Glasswing 合作方使用（无安全分类器版本）；
- 国产模型分化：Kimi K3 拿下代码榜第一，DeepSeek V4 Flash 拿下调用量第一，但文本榜前十仍无国产模型（ERNIE-5.0 曾在 2026-01 排名全球第 8）；
- 榜单口径差异大：LMArena 是真人盲测偏好、AA 是基准综合指数、OpenRouter 是真实调用量、SuperCLUE 是中文专项，引用时务必标注榜单与数据日期；
- DeepSeek 8/6 公告将上调 API 价格，V4-Flash 的性价比优势未来可能收窄，选型前留意官方新定价。
常见问题
2026 年哪个 AI 模型综合最强？
按 2026-07 的 Artificial Analysis 智能指数，综合第一是 Anthropic Claude Fable 5（64.9 分，领先 GPT-5.5 约 5 分）；LMArena 真人盲测文本榜第一也是它（Elo 1509±9）。不同榜单口径不同，中文场景 SuperCLUE 第一是 Gemini 3.1 Pro。
哪个模型写代码最强？
LMArena Coding Arena（2026-07-16）第一是 Kimi K3（Elo 1529）；官方基准上 Claude Fable 5 的 SWE-bench Verified 达 95.0%、SWE-bench Pro 80.0%，适合长程代码工程任务。选型看具体任务：算法题看 LMArena Coding，真实仓库改 bug 看 SWE-bench。
国产大模型现在什么水平？
国产模型已进入第一梯队边缘：Kimi K3 代码榜第一、DeepSeek V4 Flash 全球调用量第一；SuperCLUE 2026-05 显示 DeepSeek-V4-Pro、Qwen3.7-Max、豆包 Seed-2.0-pro 与海外第一梯队差距已收窄到 5 分以内。但在 LMArena 文本榜前十中暂无国产模型。
DeepSeek V4 Flash 为什么调用量全球第一？
核心是性价比：2026-08-06 现价输出仅 2 元/百万 token（高峰 4 元），约为 Claude/GPT 旗舰的几十分之一，且能力接近第一梯队；OpenRouter 2026-08-05 单日约 7.5T token 中 V4 Flash 占约 6.3T（84%）。注意 DeepSeek 8/6 已公告将上调 API 价格，涨幅待公布。
AI 模型榜单去哪里查最权威？
常用五个口径：LMArena（真人盲测 Elo）、Artificial Analysis（综合基准指数）、SuperCLUE（中文专项）、OpenRouter（真实调用量）、SWE-bench（代码工程）。同一模型在不同榜单名次可能不同，引用时写清「榜单 + 数据日期」，例如「LMArena 文本榜 2026-07-10」。
来源
- LMArena Text/Coding Arena（2026-07-10 / 2026-07-16）
- Artificial Analysis Intelligence Index 与官方评测文章（Claude Fable 5，2026-07）
- Anthropic 官方模型文档与发布页（Fable 5 / Mythos 5 定价与基准，2026-06-09）
- 快科技（ERNIE-5.0-0110 LMArena 1460 分全球第 8，2026-01-15）
- OpenRouter 调用量数据与网易/知乎转载（DeepSeek V4 Flash 登顶，2026-08-06）
- SuperCLUE 2026-05 中文大模型测评（SegmentFault 综述，2026-06）
- DeepSeek 官方公告与科创板日报（API 调价预告，2026-08-06）