跳转到主要内容

Claude Opus 5.5 Max 称霸智能体排行榜，国产模型表现稳健

Anthropic 新模型摘得智能体桂冠

最新一期 Arena AI 大模型周榜出炉，智能体类别迎来了新王者。Anthropic 的 Claude Opus 5.5 (Max) 不仅登上榜单，更是直接霸榜，以 17.29% 的任务确认成功率和仅 0.37% 的工具幻觉率位列第一。这一超低错误率标志着智能体任务可靠性的显著飞跃。

但故事不仅仅关于一个模型。国产选手正在悄然留下自己的印记。DeepSeek V4.1 Flash (Max)、Kimi K3 (Max)、腾讯 Hy4preview 和 小米 MiMo V2.6 Pro 均跻身头部梯队，证明中国模型在中上游阵营中站稳了脚跟。

综合与代码：谷歌仍领先，但差距缩小

在综合排名中，谷歌的 gemini-4-argon-high 继续稳居榜首，Anthropic 的主力模型占据了前四名中的多个席位。国产方面，月之暗面的 kimi-k3-max 位列第 16，阿里巴巴的 qwen3.8-max、小米的 mimo-v2.6-pro 和智谱的 glm-5.3-max 保持稳定排名。

代码排名也呈现类似格局：gemini-4-argon-high 领先，但 Claude Opus 5.5 (High) 已冲入前五。与此同时，月之暗面和小米的代码处理能力仍处于行业前沿——这提醒我们，国产模型不仅仅是参与者，更是竞争者。

细分战场：前端、视频与图像生成

在头条类别之外，专业领域的技术迭代并未放缓。在前端开发中，Claude Opus 5.5 Max 凭借出色的交互和渲染能力继续领先。小米新增的 mimo-v2.6-flash 和 pro 版本均展现出强劲潜力。

在 AI 视频和图像生成方面，谷歌和 OpenAI 仍占据部分头部位置，但来自 字节跳动、阿里巴巴和 MiniMax 的国内团队表现稳定，展现出全球竞争力。市场显然在密切关注——下周可能会带来更多版本更新和产品升级。

要点

  • Claude Opus 5.5 Max 以 17.29% 的任务成功率和 0.37% 的工具幻觉率登顶智能体排行榜。
  • DeepSeek V4.1 Flash、Kimi K3、腾讯 Hy4preview 和小米 MiMo V2.6 Pro 等国产模型占据中上游强势位置。
  • 谷歌的 gemini-4-argon-high 在综合和代码排名中均保持第一，而 Claude Opus 5.5 (High) 进入代码前五。
  • 前端开发、视频和图像生成等细分领域持续迎来国际和国内玩家的竞争。
  • 下周可能会带来进一步更新，因为大模型正在深化其跨场景应用。