模型榜
AI 模型排行榜
职业交付件、业务流程、金融、法律、投行咨询长任务、客服、数据分析与医疗编码，看专业工作能不能交付。
10 项评测·4 家机构·10/25 08:05 更新
专业办公榜30 个模型
| 名次 | 模型 | ||
|---|---|---|---|
| 01 | Gemini 4 ArgonGoogleGoogle · 9月30日上线 | 9 项评测覆盖 100% | 74.9覆盖 100% |
| 02 | Muse Wonder FullMetaMeta · 10月12日上线 | 6 项评测覆盖 63% | 71.0覆盖 63% |
| 03 | Claude Opus 5.5AnthropicAnthropic · 9月22日上线 | 10 项评测覆盖 100% | 70.8覆盖 100% |
| 04 | Muse WonderMetaMeta · 10月12日上线 | 6 项评测覆盖 63% | 70.5覆盖 63% |
| 05 | Claude Sonnet 5.5AnthropicAnthropic · 9月28日上线 | 10 项评测覆盖 100% | 70.1覆盖 100% |
| 06 | Kimi K3.1 ProMoonshot AIMoonshot AI · 10月23日上线 | 4 项评测覆盖 38% | 69.5覆盖 38% |
| 07 | Claude Fable 5.1AnthropicAnthropic · 9月1日上线 | 10 项评测覆盖 100% | 69.5覆盖 100% |
| 08 | Claude Opus 5AnthropicAnthropic · 7月24日上线 | 10 项评测覆盖 100% | 68.3覆盖 100% |
| 09 | Claude Fable 5AnthropicAnthropic · 6月9日上线 | 9 项评测覆盖 88% | 68.0覆盖 88% |
| 10 | Muse Spark 1.3MetaMeta · 9月2日上线 | 9 项评测覆盖 88% | 67.3覆盖 88% |
| 11 | GPT-6 AstraOpenAIOpenAI · 9月3日上线 | 10 项评测覆盖 100% | 66.8覆盖 100% |
| 12 | DeepSeek V4.1 Flash 1017开源权重 ↗DeepSeekDeepSeek · 10月17日上线 | 7 项评测覆盖 75% | 66.1覆盖 75% |
| 13 | Grok 4.6xAIxAI · 8月12日上线 | 10 项评测覆盖 100% | 65.5覆盖 100% |
| 14 | Gemini 3.8 FlashGoogleGoogle · 9月2日上线 | 10 项评测覆盖 100% | 65.4覆盖 100% |
| 15 | Gemini 3.7 FlashGoogleGoogle · 8月13日上线 | 9 项评测覆盖 88% | 65.4覆盖 88% |
| 16 | GPT-6.1 SolOpenAIOpenAI · 9月29日上线 | 10 项评测覆盖 100% | 65.3覆盖 100% |
| 17 | MiniMax-M3.1-FlashMiniMaxMiniMax · 10月19日上线 | 3 项评测覆盖 25% | 64.8覆盖 25% |
| 18 | Grok 4.7xAIxAI · 9月21日上线 | 10 项评测覆盖 100% | 64.4覆盖 100% |
| 19 | MiMo-V2.6-Pro开源权重 ↗XiaomiXiaomi · 9月21日上线 | 8 项评测覆盖 88% | 63.5覆盖 88% |
| 20 | Kimi K3开源权重 ↗Moonshot AIMoonshot AI · 7月16日上线 | 10 项评测覆盖 100% | 63.3覆盖 100% |
| 21 | Qwen3.8 MaxAlibabaAlibaba · 7月19日上线 | 9 项评测覆盖 100% | 63.0覆盖 100% |
| 22 | GLM-5.3开源权重 ↗Z.aiZ.ai · 8月18日上线 | 10 项评测覆盖 100% | 62.6覆盖 100% |
| 23 | Claude Opus 4.7AnthropicAnthropic · 4月16日上线 | 6 项评测覆盖 63% | 62.5覆盖 63% |
| 24 | GPT-6 SolOpenAIOpenAI · 9月22日上线 | 9 项评测覆盖 100% | 62.5覆盖 100% |
| 25 | GPT-5.6 SolOpenAIOpenAI · 7月9日上线 | 8 项评测覆盖 75% | 62.4覆盖 75% |
| 26 | Muse Spark 1.2MetaMeta · 8月5日上线 | 8 项评测覆盖 88% | 62.3覆盖 88% |
| 27 | MiMo V 2.6 Flash开源权重 ↗XiaomiXiaomi · 9月21日上线 | 6 项评测覆盖 63% | 61.9覆盖 63% |
| 28 | Qwen3.8 Flash NextAlibabaAlibaba · 8月26日上线 | 4 项评测覆盖 38% | 61.9覆盖 38% |
| 29 | Claude Opus 4.8AnthropicAnthropic · 5月28日上线 | 9 项评测覆盖 88% | 61.9覆盖 88% |
| 30 | GLM-5.3 Flash开源权重 ↗Z.aiZ.ai · 8月26日上线 | 9 项评测覆盖 88% | 61.4覆盖 88% |
DeepSeek V4.1 Flash 1017：空闲时段价；北京时间工作日（法定节假日除外）09:00–12:00、14:00–18:00 为高峰，输入、输出及缓存命中价均翻倍。
50 分是参照模型的平均水平，每 15 分约是一个标准差；名次按分数排，不设并列。筛选后保留原榜的评分和名次，每次最多展示 30 个模型。
评分不是正确率。每项评测的原始成绩和折算后的分数，都能在模型详情里看到。
暂不排名4 个模型
这些模型已有评分，但评测还不够宽，一个坏成绩就可能带偏名次；评测补齐后自动给出名次。
如何看这张榜
AIHOT 评分把各家难度不同的评测折算成同一种分数：50 分是参照模型的平均水平，每 15 分约是一个标准差；两个模型相差 3 分以上，先后基本不会变。评分不是正确率。分类评分只看这个领域，只列在这个领域测得够多的模型。价格不参与排序；没测的评测不补分，也不扣分。
了解计算方法 →关于价格
API 价格来自厂商官网，按每百万 Token 展示。美元报价按 2026-10-23 汇率折算成人民币。缓存价格指命中后的输入价格，缓存写入、存储及订阅费用另计。
新模型 · 等待评测9 个
近 30 天发布、已收录但尚未满足排名条件的型号。下列进度只计本轮采用的评测，同类评测不重复计数。
Ling 3.1 Flash 1019
InclusionAI · 已收录 · 2026-10-22 发布 · 专业办公评分 65.7，暂不排名
评测机构 1/2 家，还差 1 家编程 2/3 类，还差 1 类科研 2/2 类，已满足专业办公 2/2 类，已满足知识问答 2/2 类，已满足已收录成绩：AA Index、AutomationBench · AA、AA-Briefcase、CritPt · AA、GDPval-AA、HLE · AA、AA-LCR、AA-Omniscience、SciCode · AA、Terminal-Bench 4.0 · AA。参考成绩不计入上述进度。
inception/mercury-3
Inception · 已收录 · 2026-10-19 发布
评测机构 1/2 家，还差 1 家编程 0/3 类，还差 3 类科研 0/2 类，还差 2 类专业办公 2/2 类，已满足知识问答 0/2 类，还差 2 类已收录成绩：APEX-Agents 1.1、τ³-Banking · Mercor。参考成绩不计入上述进度。
Muse-Spark-Open-816B-A42B
Meta · 已收录 · 2026-10-15 发布
评测机构 1/2 家，还差 1 家编程 0/3 类，还差 3 类科研 1/2 类，还差 1 类专业办公 0/2 类，还差 2 类知识问答 1/2 类，还差 1 类已收录成绩：FrontierMath v2 · Tiers 1–3、FrontierMath v2 · Tier 4、GPQA Diamond、SimpleQA Verified。参考成绩不计入上述进度。
