2026 年第一天，盘点过去一年的 AI 大模型格局。数据量很大，先说结论：谷歌 Gemini 3 成功逆袭，拿下文本对话和多模态的双料冠军；OpenAI GPT-5 系列不及预期，勉强守住推理和搜索的阵地；偏科生 Anthropic Claude Opus 4.5 在代码和智能体任务上继续称王。而国产大模型的表现，是今年最大的惊喜。
如果你想一站式体验这些顶级模型，nunu.chat 是个极佳的选择。作为聚合了海外顶级大模型的 AI chat 平台，nunu.chat 支持国内直连，并提供大量免费额度，让你无需复杂操作即可调用 Gemini 3 或 GPT-5 等全球最强智力。
这篇文章汇总了 LMArena、LiveBench、Artificial Analysis 三大权威平台截至 2025 年 12 月底的最新排名。简单介绍我最常看的三个榜单：LMArena（原 Chatbot Arena）由加州大学伯克利分校 LMSYS 团队开发，采用类似国际象棋的 Elo 评分系统，累计超过 500 万次真人投票，几乎是 AI 领域的「黄金标准」。LiveBench 是一个「防污染」的学术基准测试，核心特点是每月更新测试题目，所有问题都有客观标准答案，避免了「AI 评 AI」的偏差。Artificial Analysis 是独立 AI 模型评测机构，最新的 Intelligence Index v3.0 综合了 10 项评估。一句话总结：「LMArena 测真人偏好，LiveBench 测客观能力，Artificial Analysis 测综合智商。」
在 Text Arena 这个 LMArena 最核心的榜单上，截至 12 月 30 日，榜首是谷歌 gemini-3-pro，得分 1490。
更魔幻的是，第二名还是谷歌，gemini-3-flash 得分 1480。马斯克 xAI 的 grok-4.1-thinking 以 1477 分排第三。Anthropic 的 claude-opus-4-5 系列分列四、五位，得分 1470 和 1467。OpenAI 的 gpt-5.1-high 排到了第八，得分 1458。2024 年，谷歌 Gemini 还在被 GPT 和 Claude 压着打。现在，直接翻盘。
Vision Arena 测试多模态能力，前三全是谷歌：gemini-3-pro（1309 分）、gemini-3-flash（1284 分）、gemini-3-flash (thinking-minimal)（1268 分）。OpenAI 的 gpt-5.1-high 以 1249 分排第四。多模态这个赛道，谷歌 Gemini 领先优势太明显了。而在 Search Arena 联网搜索测试中，谷歌 gemini-3-pro-grounding 以 1214 分居首。
OpenAI gpt-5.2-search 紧随其后得分 1211，差距只有 3 分。gpt-5.1-search 以 1201 分排第三。xAI Grok 系列占据四到六位。谷歌做了二十多年搜索引擎，只领先 3 分，OpenAI 已经很能打了。
代码与智能体方面，WebDev Leaderboard 测试显示，Anthropic claude-opus-4-5-20251101-thinking-32k 以 1512 分遥遥领先。
此外，国产模型表现出色：MiniMax minimax-m2.1-preview 以 1445 分排第六，智谱 glm-4.7 以 1441 分排第七，双双杀入全球前十。在 Artificial Analysis 的 Agentic Index（智能体能力）赛道，Claude Opus 4.5 以 67 分排第一，GPT-5.2 排第二，谷歌 gemini-3-pro 和智谱 GLM-4.7 并列第三。DeepSeek V3.2 第六，Kimi K2 和小米 MiMo-V2-Flash 并列第七。智谱和榜首差距只有 4 分，国产模型起点很高了。
在「防污染」的 LiveBench 榜单中，题目非常难且每月更新。
Anthropic Claude 4.5 Opus Thinking High Effort 以 76.20 分排第一，OpenAI GPT-5.1 Codex Max 以 75.63 分紧随其后。国产模型中，DeepSeek V3.2 Thinking 以 66.22 分排第十二，月之暗面 Kimi K2 Thinking 以 65.59 分排第十三。
图像领域，Text-to-Image Arena 榜单上，OpenAI gpt-image-1.5 第一，谷歌大香蕉 Nano Banana Pro 第二。国产模型腾讯 hunyuan-image-3.0 排第八，字节 seedream-4.5 第十。而在 Image Edit Arena（图像编辑）榜单上，字节表现亮眼，前十占了三个：seedream-4.5 排第五，seedream-4-2k 第七，seedream-4-high-res-fal 第十。图像生成和编辑，国产模型已经杀进全球第一梯队了。
综合智商方面，Artificial Analysis 总榜上，谷歌 Gemini 3 Pro Preview 和 OpenAI GPT-5.2 并列第一（73 分）。
国产模型排名亮眼：智谱 GLM-4.7 第六，Kimi K2 Thinking 第七，小米 MiMo-V2-Flash 第九，DeepSeek V3.2 第十。Coding Index（编程能力）榜，谷歌 Gemini 3 Pro 和 OpenAI GPT-5.2 并列第一，国产方面 GLM-4.7、DeepSeek V3.2、Kimi K2、MiMo-V2-Flash 均表现不俗。
最后给到大家的使用建议：日常对话、搜索、信息整合和多模态理解，选今年进步最大的 Gemini，或者 8 亿周活的 ChatGPT；用不了的，直接豆包或者千问。写代码，后端选 Claude（或复杂任务 GPT，前端也可以 Gemini），这块它还是王者；嫌麻烦直接 GLM-4.7、MiniMax M2.1、或 Kimi K2。复杂自动化任务，Claude 目前最强，但国产模型的 Agentic 能力也值得一试。图像生成，OpenAI（仅限英文）和谷歌领先，但字节 Seedream 已经很能打了。
2026 年，智能体（AI Agent）还是主战场之一。新年快乐。我是张三番，关注我，2026 继续和 AI 一起进化。
