AI 模型榜单日报 | 2026-08-20 走进 LMArena 五张榜：怎么算分、怎么编号，一篇替你拆完

各位模型观察家好，这里是 AI 全球模型排行。

榜单一刷就是一周，看多了大家迟早会冒出那个问题：LMArena 这五张榜到底怎么算分的，凭什么同一个模型在不同子榜里能差出一大截？Qwen3.8-Max 后面那个 (Max) 是什么意思？为什么突然冒出 GPT 5.6 Sol 这么多没见过的名字？今天换张面孔，把 LMArena 当主角拆一遍，配上五张今天生成的可视化，一次给你说透。

LMArena 怎么算分

LMArena（原 LMSys Chatbot Arena）所有榜单共用一套底层规则：把两个模型的回答并排摆出来，让真人匿名投票谁更好，然后用 Bradley-Terry 模型换算成分数。区别只在于评分系统和投票领域：

• ELO
• ：文本、视觉、WebDev 三个子榜用，分数基准约 1500，分差 400 意味着强方胜率约 90%。分越接近，排名波动越像掷硬币。

• IPS τ̂
• ：Agent Arena 专用，衡量模型在真实代理任务里的净胜率提升，范围常在 -0.2 到 0.15 之间。这个数字不是越高越强，关键是看相对位置。

说人话：文本榜看回答谁更像人，WebDev 看代码能不能直接跑出来，视觉榜比拼多模态理解，Agent Arena 看模型能不能真把活干完。

① 文本总榜：Anthropic 一家独大，国产卡在 6

榜单 ① 是官网默认首页那张，分数都在 1500 档附近。前五全被 Claude 包了——Opus 5 (Max) 1507.78 一骑绝尘，往下 Opus 5 (High) 1505.34、Opus 4.6 (High) 1502.80、Opus 4.6 1497.09、Fable 5 1493.30，前五分差不到 15 分。唯一钻进前十的国产是 Qwen3.8 Max，1491.71 列第 6，跟 Fable 5 只差 1.59 ELO——这一寸之地国产顶配已经守了快一个月。Kimi K3 Max 1476.29 守在第 15，对手机端能直接调用的国产模型而言，已经是国际赛场的最高段位。

️ ② 视觉榜：Anthropic 继续横扫，国产卡 6

视觉榜 ② 分量级缩水到 1300 档，但排名格局没变：Fable 5 1330.51、Opus 5 (High) 1327.31、Opus 4.7 1316.41 拿下前三，国产依然只有 Qwen3.8 Max 一根独苗在第 6（1314.65）。Gemini 3.x Flash 系列从第 8 开始垫进前十，整体说明视觉领域闭源模型还是占绝对优势。

③ 网页开发榜：Kimi K3 杀到第 2，国产首次挤进前 3

WebDev 榜 ③ 看的是模型能不能照要求把 HTML+CSS+JS 一口气编出来，分数飞到 1600 档。这里出现了今天最值得说的一件事：Kimi K3 Max 以 1673.94 排在第 2，距榜首 Claude Opus 5 (Max) 1691.53 只差 17.59 ELO，领先所有其他选手。Qwen3.8 Max 1666.72 拿下第 3，前 3 里两席国产，这在 LMArena 历史上相当罕见。GLM 5.2 Max、DeepSeek V4 Pro High 也守住第 9、第 10 的位置。换句话说，写前端这件事，国产已经能跟海外顶配掰手腕。

④ Agent Arena：GPT 5.6 Sol 卡第 5，Kimi 守住第 4

智能体榜 ④ 用的是 IPS 分数，前三被 Claude 三连（Opus 5 (High) 0.1229、Opus 5 (Max) 0.1204、Fable 5 (High) 0.1163），Kimi K3 (Max) 以 0.1042 卡在第 4——仍然是 IPS 评分下唯一闯进前 5 的国产模型。GPT 5.6 Sol (xHigh) 0.0997 位列第 5，是 OpenAI 8 月 6 日新推的旗舰版本，不少粉丝一直在问它什么时候上榜，今天第一次在 LMArena Agent 榜有了正式名次。

⑤ 公司实力榜：按厂商聚合，国产厂合计 4 家进前 9

榜单 ⑤ 是把文本总榜 Top 30 按组织聚合，取各家最优模型的 ELO 排名。Anthropic 凭 9 个模型入围、总榜前 3 全包，稳坐公司榜 ①；Alibaba 凭 Qwen3.8 Max 列第 2，Meta 第 3，Google 第 4（7 个 Flash/Pro 上榜）。国产这边 Moonshot（月之暗面）凭 Kimi K3 Max 列第 5、Baidu（ERNIE 5.1）第 7、Zhipu（GLM）凭 GLM 5.2 Max 第 8、Xiaomi（Mimo V2.5 Pro）第 9。前 9 名里国产占 4 家，比去年同期翻了一倍。

模型编号含义速查

榜单名称一长串，直接告诉你怎么读：

• Anthropic
• ：Opus 系列是最大最强，Sonnet / Haiku 是中端；Fable 是实验副线。后面 (Max)(High) 是算力档：Max = 全功率推理，High = 高强度，xHigh 是介于二者之间的试验档。(thinking) 后缀是开了思维链加成的版本。

• OpenAI
• ：GPT 主线用行星命名——Sol 是太阳、Luna 是月亮、Terra 是地球；后缀 (xHigh) (High) 含义同 Anthropic。最近的 5.6 版把免费用户专属版叫 Luna，进阶付费版叫 Sol。

• Google
• ：Gemini 主线 + 子版本号（3.0/3.5/3.6/3.7）+ 大小档（Ultra > Pro > Flash）。3.5 Flash (High) 意思是第 3.5 代 Flash 高强度档。

• Meta
• ：Llama 之后转向 Muse 系列，1.0 是基线，1.1/1.2 表示小版本号；后缀 (xHigh) 是强度档。

• Qwen
• ：通义系列，3.x 是版本号，Max 顶配、Plus 次之、Flash 是低延迟档。

• Kimi
• ：K 字头，K2 → K3 → K4 表示代数，Max 是顶配。

• DeepSeek
• ：V 字头（V3.2 → V4 Pro），Pro 是上线版、Flash 是低延迟、High 是高强度档。

记住一句话：品牌名 + 代次 + 强度档 = 你看到的完整名称。对到表格里看分高不高，再回到原始文档看它干啥用，比直接被版本号唬住省事得多。

以上就是今天的 LMArena 专场。三榜变五榜、分数从 ELO 到 IPS，理解清楚这套机制再看每日报表心里就有底了。下一期我们继续拆 OpenCompass 的子项结构，搞清楚它们跟 LMArena 的口径差异。

明天同一时间，继续追踪 AI 最强战力。

关注「AI全球模型排行」，每个工作日一档模型变化速报。