这一期的主榜只更新了一次:LMArena 在窗口里发布了一份标注 11 月 11 日的快照,所以下面的"周变化"实际只跨两天。真正的新闻只有一条——Gemini 4 Hydrogen 第一次进榜就排到第 8,同时拿下中文分榜第一。先看另一套口径的能力指数,再回到 2026 年 11 月 11 日到 17 日的读数。

1. 能力指数 TOP30

开头先看图。这张榜衡量的是固定评测集上的综合表现,和社区盲投出来的 Elo 是两种采样方式,只用来做横向的构成对照。

AI 模型能力指数 TOP30

四条对照观察:

头部构成:第一是 Claude Fable 5.2(64.56),比第二的 GPT-6.2 Astra(62.14)高 2.42 分。前十名里 Anthropic 三席、Google 三席、OpenAI 三席、Meta 一席,前三家美国厂商把前十占掉九席。

中国厂商密度:前 30 名里中国厂商 12 席,占四成。排位最高的是第 11 的 Kimi K3.1 Pro(46.45)。

开源最高位:开放权重里排最高的是 Kimi K3.1 Pro,再往下是第 19 的 GLM-5.3(31.65,MIT)和第 21 的 MiMo-V2.6-Pro(29.89,MIT)。

梯队落差:第 10 名之后有一道明显的坎——第 10 的 Muse Wonder Full(50.08)到第 11 的 Kimi K3.1 Pro(46.45)差 3.63 分。前 30 里最大的一道在第 13 的 Qwen4 Max(42.89)和第 14 的 Claude Haiku 5.5(36.48)之间,差 6.41 分。榜尾第 30 是 Muse Spark Open,24.88 分。

图上两个前提要交代:同一个模型的不同推理档位只取最高分,所以分数不代表默认调用的表现;带 * 的是 AA 标注的估算值。图上的"截至"写的是 11 月 18 日,比本文的数据窗口多一天。

2. 本期速览

  • 分数最高:Gemini 4 Carbon (High),1,538.4 分,4,273 票。它从 10 月 28 日进榜起就没让出过第一。
  • 投票最多:Claude Opus 4.6 的 89,177 票(第 11 名);前 20 名合计 763,568 票,其中 Anthropic 占九席。
  • 厂商分布:前 20 名里 Anthropic 9 席、Google 6 席、Meta 3 席、阿里与小米各 1 席;前 50 名里 Anthropic 13 席、Google 12 席、OpenAI 5 席、Meta 5 席,中国厂商合计 15 席。
排名 模型 厂商 Elo 周变化 投票数 上期
1 Gemini 4 Carbon (High) Google 1,538.4 +0.1 4,273 #1
2 Gemini 4 Argon (High) Google 1,529.5 -0.7 20,779 #2
3 Claude Opus 5.5 (High) Anthropic 1,513.7 +0.7 15,793 #3
4 Claude Fable 5.1 (Max) Anthropic 1,512.0 -0.3 20,511 #4
5 Claude Opus 5 (Max) Anthropic 1,506.5 +0.2 35,670 #5
6 Muse Wonder (Max) Meta 1,503.0 -0.1 12,696 #6
7 Claude Opus 5 (High) Anthropic 1,502.2 -0.1 73,632 #7
8 Gemini 4 Hydrogen (High) Google 1,502.1 新 4,741 新
9 Claude Opus 4.6 (High) Anthropic 1,501.5 -0.2 84,375 #8
10 Gemini 3.8 Flash (High) Google 1,499.6 -0.8 62,675 #9
11 Claude Opus 4.6 Anthropic 1,496.7 持平 89,177 #10
12 Claude Fable 5 (High) Anthropic 1,491.7 +0.1 45,469 #12
13 Muse Spark 1.3 (Max) Meta 1,491.6 +0.2 26,806 #13
14 MiMo-V2.6-Pro Xiaomi 1,491.6 -0.1 4,064 #11
15 Claude Opus 4.7 (High) Anthropic 1,489.8 +0.1 64,260 #14
16 Gemini 3.7 Flash (High) Google 1,488.7 -0.1 33,251 #15
17 Qwen3.8-Max Alibaba 1,485.3 +0.1 36,936 #16
18 Muse Spark 1.2 (xHigh) Meta 1,483.4 -0.6 15,563 #17
19 Claude Opus 4.7 Anthropic 1,483.2 持平 65,309 #18
20 Gemini 3.5 Flash (High) Google 1,482.9 持平 47,588 #19

表里的"周变化"和"上期"按相邻两次发布计算:11 月 9 日 → 11 月 11 日,中间只隔两天1。

3. 总榜变动

3.1 头部变化

前七名的名次一个都没动,分数变化全在 ±0.7 分以内(最大的是 Argon 的 -0.7)。Carbon 1,538.4 领先 Argon 8.9 分,但它的置信区间是 1,528.8 到 1,547.9(±9.55),下界比 Argon 的 1,529.5 还低 0.7 分——这个"第一"仍然压在误差线里。

真正的动作在第 8 名:Gemini 4 Hydrogen (High) 第一次进榜就是 1,502.1 分、4,741 票,把原第 8 的 Claude Opus 4.6 (High) 挤到 #8 → #9。它和第 7 的 Claude Opus 5 (High)(1,502.2)只差 0.1 分,和第 9(1,501.5)也只差 0.6 分,三条挤在一起。

这个位置谈不上稳:它的 95% 区间是 1,493.1 到 1,511.1(±9.0),前 20 名里只比榜首 Carbon(±9.55)和 MiMo-V2.6-Pro(±9.4)窄一点;而第 9 那条 84,375 票,区间半宽只有 3.3 分。

3.2 中段换手

先说要扣掉的机械位移:Hydrogen 插进第 8,后面所有条目自动下移一位。把这一位减掉,前 80 名里真正上移的只有两条,真正下移超过一位的只有三条。

上升

本期 模型 上期 Elo 变化 投票数
#30 GLM-5.3-Flash #31 1,471.7 +1.1 51,019
#43 Kimi K3.1 Pro (Max) #44 1,459.1 +1.8 3,995

两条都只挪一位,分数涨了 1 分上下。Kimi 这条值得记一句:它的票数还不到 4,000,同段位的条目普遍在 3 万票以上。

下降

本期 模型 上期 Elo 变化 投票数
#66 GPT-6.1 Sol (Max) #62 1,444.7 -1.2 13,498
#14 MiMo-V2.6-Pro #11 1,491.6 -0.1 4,064
#45 Gemini 2.5 Pro #42 1,457.8 -0.1 124,742
#31 GPT-5.5 (High) #29 1,471.1 持平 68,294
#32 Qwen3.5-Max-Preview #30 1,470.9 -0.1 22,401

只有 GPT-6.1 Sol (Max) 掉得算多(4 位、-1.2 分);其余四条的净下移都是一位,分数变化在 0.1 以内——扣掉插入带来的位移,基本等于没动。

3.3 新条目辨析

这一期总榜 421 个条目,新条目只有一个:Gemini 4 Hydrogen (High)。

做了两遍核对:先按归一化规则比对全部历史快照,再用去掉推理档位的键查一遍,都没有 gemini-4-hydrogen 或同名的旧记录。另外两处数据能对上——Google 11 月 13 日的官方博客说 Search 接入了 Gemini 4 Hydrogen,OpenRouter 同一天上架 google/gemini-4-hydrogen($1.5/$7.5,1.05M 上下文),AA 能力指数榜上它排第 7(53.92)。三处互相印证,可以当真新模型写。

有一点要留意:LMArena 快照标注的日期是 11 月 11 日,比 Google 官方博客(11 月 13 日)早两天。两个日期不是一回事,对照时别把它们当成同一个时间点。

掉出去的是 GLM-5V-Turbo:上一期第 82 名,这一期不在榜上,没有对应的下线公告,总条目数仍是 421。

4. 分项榜

四个方向的快照日期并不相同:文本分榜是 11 月 11 日,网页生成是 11 月 15 日,文生图与图像编辑是 11 月 12 日,视觉与检索停在 11 月 9 日。每段都标了日期。不同类别的分数不能横向比较——编码榜的 1,564 和网页生成榜的 1,826 是两条不同的刻度。

4.1 编码与网页生成

编码分榜(11 月 11 日):Carbon 1,564.4 第一,Opus 5.5 (High) 1,543.4(+1.2)、Argon 1,540.2、Opus 4.6 1,534.0、MiMo-V2.6-Pro 1,533.6。Hydrogen 排第 12,1,515.9 分、1,044 票。

网页生成榜(11 月 15 日)换了领头:Claude Fable 5.2 (xHigh) 1,826.0 排第一,比 Opus 5.5 (Max) 的 1,815.6 高 10.4 分;后面是 Sonnet 5.5 (xHigh) 1,772.2、Carbon 1,768.3、GPT-6 Astra (Max) 1,762.9。这一期新进榜的是 Qwen4-Max (xHigh):第 6 名、1,749.8 分、1,814 票。

子榜的读数要小心。React 子榜里 Fable 5.2 从 1,915.3 掉到 1,894.9(-20.4),HTML 子榜里它又从第 7 升到第 4(1,760.1,+21.8)。两处方向相反,票数分别是 888 和 244——这类跳动先当噪声看。

4.2 中文与数学

中文榜(11 月 11 日)第一换人:Hydrogen 1,630.6 空降,把 Carbon 挤到第 2(1,613.1)。但它只有 329 票,是前五里最少的(Carbon 426 票、Fable 5.1 (Max) 1,622 票)。第 3 到第 5 是 Argon 1,605.2、Fable 5.1 (Max) 1,582.2(+1.8)、Opus 5 (Max) 1,574.5。

数学榜(11 月 11 日)第一还是 Argon,1,543.8 分,比上期涨 5.5——这是这一期分榜里少数超过 5 分的变动。Opus 5 (High) 1,532.2、Opus 5 (Max) 1,530.7、Fable 5.1 (Max) 1,529.6 挤在 2.6 分里。Hydrogen 在数学榜只排第 11(1,506.7,229 票),和它中文榜第一的位置形成对照。

4.3 视觉与文生图

视觉总榜这一周没有更新,快照停在 11 月 9 日,前五全是 Anthropic:Fable 5 (High) 1,325.6、Opus 5.5 (High) 1,323.8、Fable 5.1 (Max) 1,321.6、Opus 4.7 1,318.7、Opus 5 (High) 1,317.5。

文生图榜(11 月 12 日)前五仍是 OpenAI 自家轮换:Sunburst 1,428.7、2.6 Sunburst (Medium) 1,405.6、2.5 Flare 1,398.2、2.6 Flare (Medium) 1,383.5、GPT-Image-2 (Medium) 1,381.7。新进榜的 MiniMax H3-Image 在第 23 名(1,197.2,3,277 票)。

图像编辑榜(11 月 12 日)同样由 2.5 Sunburst(1,518.6)和 2.5 Flare(1,484.0)占前二,第三是 2.6 Sunburst (Medium) 1,476.5;微软的 MAI-Image-2.7-Preview 涨 3.1 分排第 4(1,471.4)。H3-Image 在这张榜上是第 24 名(1,358.9,5,129 票)。

4.4 写作与指令遵循

创意写作榜(11 月 11 日)前三名的分差只有 1.2 分:Argon 1,532.7、Carbon 1,532.5、Opus 5.5 (High) 1,531.6,前两名只差 0.2。第 4 是 Fable 5.1 (Max) 1,514.1,第 5 是新进榜的 Hydrogen(1,509.5,1,007 票)。

指令遵循榜(11 月 11 日)Carbon 以 1,539.5 守住第一,Argon 1,536.1、Opus 5.5 (High) 1,535.2 跟在后面;第 4、第 5 是 Opus 4.6 (High) 1,521.0 和 Fable 5.1 (Max) 1,520.1。Hydrogen 第 6(1,519.2,1,700 票)。

另外三个小分榜这周基本没动:检索榜(11 月 9 日)第一仍是 Qwen3.8-Max(1,259.8);文档榜(11 月 9 日)前四全是 Anthropic,第一是 Fable 5.1 (Max) 1,514.8;智能体榜(11 月 15 日,胜率口径)第一是 Fable 5.2 (Max) 0.286,Hydrogen 第 5(0.149),而榜首的每任务成本中位数是 $9.02,第三名 Carbon 只要 $1.35。

5. 开源侧热度

trendingScore 是近期相对热度,不等于累计影响力;downloads 是 30 天口径。两个数放一起,才看得出一个仓库是"这周在涨"还是"一直很大"。

5.1 模型

模型 趋势分 喜欢 30 天下载 类型 创建日
MiniMaxAI/MiniMax-H3-Image 1,155 1,379 727,110 文生图 11-03
Qwen/Qwen3.8-27B 483 20,353 6,942,530 图文对话 08-05
Comfy-Org/MiniMax-H3-Image 401 512 2,660,341 文生图 11-08
Lightricks/LTX-2.5 400 12,332 2,828,071 图生视频 07-23
higurashi-ai/Haru-4B 369 471 4,445 音频转音频 11-12
thinkingmachines/Inkling-2-Small 346 433 18,359 图文对话 11-04
unsloth/Qwen3.8-27B-GGUF 322 6,116 6,827,598 GGUF 量化 08-13
Zyphra/ZONOS3-Mini 317 501 93,909 文生语音 11-09
black-forest-labs/flux-3-image-klein-comfy 225 3,383 1,062,051 图生图 10-14
facebook/sam3 210 6,845 1,971,023 掩码生成 2025-11-07

三点读表:

  • 图像模型占了三席。MiniMax H3-Image 的官方仓库(趋势 1,155、1,379 喜欢、72.7 万下载)和 Comfy 组织转的版本(401)分别排第 1 和第 3。
  • Qwen3.8-27B 是累计量最大的一个(20,353 喜欢、694 万下载),趋势分却只有 483,不到 H3-Image 的一半——热度是"新",不是"大"。
  • Haru-4B 11 月 12 日才建仓,下载只有 4,445,趋势分排到第 5(369)。新建仓库的短期热度基本由发布期讨论量决定。

5.2 数据集与 Space

数据集前五:Vyber07/cyber-security(233)、Angais/pixel-art-atlas-1.4m(202)、nvidia/simready-assets(86)、google/physical-engineerings-last-exam(50)、nvidia/USDCraft-10K(49)。前两个是社区整理的数据集,后三个都出自机构。

Space 前五:huggingface/moe-blogpost(185)、joelniklaus/harness-leaderboard(145)、MiniMaxAI/minimax-h3-image(119)、kulkas2pintu/wan777(116)、JCisHERE/wan2-2-i2v-v3(85)。MiniMax 的官方 demo 和它的模型仓库在同一周一起冲上来,图像这条线的热度是成套的。

6. 价格与上下文

OpenRouter 这一期返回 478 条记录,剔掉 8 条负价占位(openrouter/auto 一类),有效报价 470 条:451 个付费、19 个免费。

6.1 本周新增

窗口内新上架的条目 9 条,其中 2 条是 batch 变体、2 条是免费变体,主条目 5 个:

模型 上架 上下文 输入价 输出价
google/gemini-4-carbon 11-11 1,048,576 $2.00 $10.00
baidu/ernie-light-dt-1.0-intl 11-11 1,024,000 $1.13 $3.94
google/gemini-4-hydrogen 11-13 1,048,576 $1.50 $7.50
qwen/qwen4-max 11-16 1,000,000 $1.42 $4.27
tencent/hy4-flash 11-16 1,048,576 $0.04 $0.14

价格一律是每百万 token 的美元价。两条 batch 变体是 Carbon 和 Hydrogen 的半价副本($1.00/$5.00、$0.75/$3.75),两条免费变体是 baidu/ernie-5.5-flash-preview:free 和 inclusionai/ling-3.2-flash:free。

一个共同点:五个主条目全部支持 100 万 token 以上的上下文。

6.2 价格分层

付费模型的输出价中位数是每百万 token $2.2,区间从 $0.03(mistralai/mistral-nemo)到 $180(openai/gpt-5.5-pro、openai/gpt-5.4-pro)。

输出价(每百万 token) 条目数
< $0.5 88
$0.5–2 120
$2–5 86
$5–15 104
≥ $15 53

支持 100 万以上上下文的 220 条,占有效报价的 46.8%;上下文长度的中位数是 40 万。最贵的一档集中在 -pro 后缀的推理型号,最便宜的一档多是 8B 级或蒸馏模型。

7. 本周发布

Google 这一周连着发了四样:11 月 11 日的 Gemini Intelligence 新功能扩到更多设备;11 月 12 日的 Decisions API,主打快速、校准过的多模态决策;11 月 13 日把 Gemini 4 Hydrogen 接进 Search;11 月 16 日给 Ask Maps 加了假日出行功能。Hydrogen 这条能在榜单里直接看到痕迹:11 月 11 日标注的 LMArena 快照里它第一次进榜(第 8),OpenRouter 也是 13 日上架。

OpenAI 的发布更偏产品线:11 月 12 日 ChatGPT Ads 扩到 44 个国家;11 月 13 日上线 ChatGPT Wallet;11 月 16 日给 ChatGPT for Healthcare 加了 computer-use agent;11 月 17 日同一天发了 ChatGPT for Sales、面向法律的 Astra for Law,以及和北约及盟国合作强化网络防御的公告。模型侧这一周没有新的 LMArena 条目,OpenRouter 上也没有新上架的 OpenAI 报价——发布和榜单这周是脱节的。

Hugging Face 11 月 13 日发了 llama.cpp v1.0.0,官方说法是给本地 AI 生态一个更稳的地基;11 月 16 日宣布和 OpenRouter 合作,让开放权重模型更容易直接跑起来;同期还有 IBM Granite 4.1 的 LLMON 标记语言(11 月 13 日)和 AI2 的 XYBench(11 月 14 日)。

其他:OpenRouter 11 月 16 日上架 qwen/qwen4-max($1.42/$4.27,100 万上下文)和 tencent/hy4-flash($0.04/$0.14)。Qwen4 Max 在 11 月 15 日的网页生成榜里已经排到第 6,AA 能力指数第 13(42.89);Hy4 目前只在智能体榜上有条目(第 19,胜率 0.057)。这两条没拿到官方发布页,只按接口记录写,不当成"已确认发布"。

8. 本期观察

主榜节奏慢下来了,别把两天的抖动当周趋势。 这一期文本总榜只发了一份快照(11 月 11 日),分项榜却在 11 月 12 日、15 日各更新了一次。表里的"周变化"实际只跨两天,前 20 名里 19 条的变化都在 ±0.9 分内,最大的一条是 Gemini 3.8 Flash (High) 的 -0.8。

Hydrogen 是这周唯一有证据链的新模型,但位置还不稳。 LMArena 第 8(1,502.1,4,741 票,±9.0)、中文榜第 1(329 票)、AA 第 7(53.92)、OpenRouter $1.5/$7.5——四处对得上。但 4,741 票对应的区间有 18 分宽,和相邻三条的差距都在 1 分以内,下一份快照里它可能落在第 6 到第 12 之间任何位置。

100 万上下文正在变成默认配置。 有效报价里 220 条(46.8%)支持 100 万以上 token;本周新上架的 5 个主条目全部在 100 万级,包括输出价只有 $0.14 的 Hy4 flash。上下文长度不再是高端型号的卖点,而是新模型的起跑线。

开源热度集中在图像,文本侧仍是老面孔。 HF 趋势榜前三里两个是 MiniMax H3-Image 的仓库(官方 1,155、Comfy 转存 401),而文本侧开放权重最高位还是 Kimi K3.1 Pro(LMArena 第 11、AA 第 11)。它的权重 11 月 2 日就放出来了,这一周才开始在趋势榜上被讨论——热度比发布晚了两周。

9. 数据说明

LMArena 是一个匿名对战平台:同一个问题给两个模型,用户投票选更好的那个,再用 Bradley-Terry 模型把胜负折算成 Elo 分数。所以它测的是"人类偏好",不是标准答案正确率。

Elo 怎么读:分数是相对刻度,只有同一条目在不同快照之间的变化、或者同一张榜内的名次有意义。1,538 分和 1,471 分之间差的是一段相对强度,不是 67% 的能力。不同分榜的刻度也不同(编码榜 1,564 分和网页生成榜 1,826 分不能放一起比),这是本文反复提醒"不能跨类别比较"的原因。

票数怎么读:票越多,区间越窄。这一期 Hydrogen 4,741 票对应 ±9.0 分,Claude Opus 4.6 (High) 84,375 票对应 ±3.3 分。前 20 名的区间半宽中位数是 4.7 分——名次差一两而分数差不到 5 分的,别当成"超越"。

榜单偏向什么:匿名对战偏向开放式对话、写作、常识问答这类"能一眼看出好坏"的任务;编码、长文档、工具调用要靠分项榜,而分项榜的收录门槛更高、更新也更慢。这一期视觉榜就停在 11 月 9 日,检索榜和文档榜也是。

时间窗怎么切:本文覆盖 2026 年 11 月 11 日 00:00 到 11 月 18 日 00:00,正文里的"周变化"取窗口内最后一个快照(11 月 11 日)和它的上一份(11 月 9 日),两份之间只隔两天1。

命名口径:LMArena 在 2026 年 10 月 15 日前后把模型标识从 slug 改成展示名,切换期两种格式混装。本文所有环比都先做归一化(转小写、括号转后缀、4.6 与 4-6 对齐),再用去掉推理档位的键复核一遍,避免把改名当成新模型2。

最后交代一句:第 1 节的能力指数是另一套口径(Artificial Analysis 把十来项评测合成 0–100 分),和 Elo 不能换算,也不能放进同一句话里比大小。


  1. 快照日期取自 LMArena 的 leaderboard_publish_date,是数据截止日,不等于页面发布时间。这一期窗口内只有 11 月 11 日这一份。 ↩↩

  2. 归一化后仍可能撞名,例如 Command R 与 Command R+(加号被剥离);这类条目按名次保留更靠前的一条。 ↩