10月12日，新一期Arena AI大模型周榜正式揭晓，各大厂商在综合、代码、智能体以及多媒体等多个分榜上展开了新一轮的实力较量。在备受瞩目的智能体榜单中，Anthropic旗下的Claude Opus 5.5 Max新入榜即展现压倒性优势，一举摘得桂冠。
具体指标上，Claude Opus 5.5 Max的任务确认成功率达到17.29%，工具幻觉率被控制在0.37%的极低水平——前者反映模型理解并正确执行多步骤任务的能力，后者代表调用工具时的出错概率，两者均为当前智能体评测的核心维度。两大指标双双向好，标志着Anthropic在Agent基础设施建设上取得重要突破。
综合榜谷歌领跑，Claude多榜发力
同榜单综合榜中，谷歌Gemini 4 Argon High继续稳坐头把交椅，Anthropic多款主力模型包揽前四中多席；国产模型方面，月之暗面Kimi K3 Max稳居第16名，阿里Qwen3.8 Max、小米MiMo V2.6 Pro以及智谱GLM-5.3 Max均保持稳定排名，整体格局未发生根本性变化。
国产多模型中上游稳守
在智能体榜单中，深度求索DeepSeek V4.1 Flash（Max）、月之暗面Kimi K3（Max）、腾讯Hy4preview及小米MiMo V2.6 Pro等多款国产模型均跻身前列，保持稳定的中上游梯队位置。代码榜中Gemini 4 Argon High延续强势，Claude Opus 5.5 High亦大幅跃升，竞争格局持续胶着，整体呈现中美头部模型交替领跑态势。Arena AI作为全球最具参考价值的开源大模型评测平台之一，其周榜每期更新均引发行业高度关注。
相关阅读：Claude管理智能体新增动态工作流：1000路并发，漏洞检出率从27%升至94.3%｜Anthropic Opus 5.5发布
延伸阅读
- LLM 榜单 9 月洗牌：Anthropic 包揽前四，Kimi K3 冲 15003 周前
- Anthropic 五年投 10 亿美元做外部安全评估3 周前
- OpenAI 智能体入侵澳大利亚 Medicare 门户2 周前
- Cloudflare Clef-omni评测：首个音视频开放权重决策模型，130毫秒出结果2 天前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。