10月12日，Arena（arena.ai）平台发布2026年第41周AI大模型排行榜，数据覆盖10月5日至11日。Anthropic全新Claude Opus 5.5 Max首次入榜智能体榜即夺得第一，多款模型占据前四席位，claude-opus-5.5-high上升2位至第二。国产模型一侧，kimi-k3-max稳居综合榜前20，qwen3.8-max等多款保持稳定排名，整体处于中上游梯队。这份周榜真正值得记住的不是“Claude又赢了”，而是两件事：冠军落在了智能体榜这条新轴线上，国产模型在这把尺子上的状态是站稳，而非冲进头部。知乎微博
这个第一是怎么“测”出来的
智能体榜不是考场跑分。Arena周榜基于平台匿名盲测投票，通过ELO计算排名——智能体榜用的是百分比信号——反映用户主观偏好而非绝对能力测试，且不同分榜相互独立。所以“首登智能体榜首”的准确翻译是：在这一周真实让模型干活的用户里，Opus 5.5 Max最被愿意选择。知乎
这种偏好不是突然出现。7月13日那期周榜，claude-fable-5在综合榜上依然稳坐第一、综合榜前五名全是Anthropic的模型。9月26日，Arena官方账号宣布Claude Opus 5.5以1509分登顶Text Arena，比上一代Opus 5高出18分，一家包揽前6名。第41周做的事，是把“包揽头部”的战线从对话榜拉长到了智能体榜。知乎知乎
投放榜单的是整条产品线。9月23日Opus 5.5发布。OpenAI年度开发者大会前夜，Anthropic连夜甩出Claude Sonnet 5.5。10月7日的Claude Haiku 5.5把价格砍到上一代的十分之一，每百万词元输入0.10美元、输出0.50美元。旗舰、中档、子任务小模型一次排齐，恰好叠在智能体竞争升温的当口：本周风向的第一层，是模型叙事从“会聊天”切向“能干活”，而“用得起”第一次与“够强”进入同一场比较。知乎微博知乎
国产AI的真实位置：站稳中上游，头部还没破
第41周的官方表述很克制——“稳居”“保持稳定排名”，是延续，不是突变。把时间线拉长，这条线确实在往上爬：7月中旬的AI周榜简报里，qwen3.7-max-preview已升至综合榜第15位，国产模型被描述为整体稳定处于中上游区间。更有冲击力的位置出现在细分赛道：一位独立开发者9月下旬实测编程榜CodeArena时，Qwen3.8-max-0902已升到第四位，仅次于gpt-6、claude-fable-5.1、claude-opus-5-max，价格只有kimi-k3的一半左右，被他称为“国模第一”。微博知乎
两条口径提醒必须给足。其一，近期刷屏的“国产大模型首次登顶全球榜首”来自网经社AI台与ChatGlobal第40周《通用大模型人气周榜TOP20》，豆包以143.6的人气指数跃居全球第一。人气指数按站点当周点击量折算，测的是流量热度，与Arena的盲测ELO不是同一把尺子，两者不能换算成“国产能力反超”。其二，细分榜位次出自个人实测快照，同一位作者自己也说过：大模型榜单就和方便面上的图片一样，仅供参考。知乎知乎
榜单本身成了生意，也开始被质疑
周榜影响力的另一条注脚发生在10月9日：AI评测榜单Arena宣布完成B轮2亿美元融资，估值达31亿美元。其年化经常性收入已于6月达到1亿美元。其去年9月推出的AI Evaluations，则基于社区反馈向模型实验室和企业提供详细的性能分析——“该信谁的排名”，第一次成为一门明码标价的生意。知乎知乎
Arena自己也把旧尺子的失效讲成了新尺子的理由：AI实验室意识到模型在基准测试中存在“刷分”行为，静态基准测试一旦模型意识到正在被测试就会失效。为此，Arena在融资的同时推出了“Arena对齐指数”，称这是一项衡量前沿AI模型与人类意图及价值观契合度的新指标。知乎知乎
据其编译的TechCrunch报道，初步对齐榜由OpenAI系模型领跑，Claude Opus 5.5和Claude Fable分别排在第六位和第九位。智能体榜第一与对齐榜第六同屏出现：能力、偏好、可信是三张榜，拼不成一句“最强且最可信”。社区侧的质疑也从未停歇，知乎上多次出现厂商“刷榜”指控与榜单可信度之争——这些属于未经核实的社区观察，既不能推翻、也不能佐证本期排名。知乎
这份周榜，普通用户和企业该怎么用
看榜先对轴线。综合、代码、智能体分榜相互独立，某榜第一不等于全能。分差更要换算：Opus 5.5比Opus 5的18分优势，折到总分里只有1.2%，它也不会自动变成私有任务上的提升。同篇笔记还提醒，换模型不止改一行API地址，评测集要重建、提示词要重调、回归要重跑，这四笔账比API差价贵一个量级。知乎
成本线在松动。智能体夺冠对企业更实际的意义在于“用得起”。Opus 5.5以16美元/100万token的混合价格进入Arena的Pareto前沿，能力上限和买得起第一次同时成立。Haiku 5.5的十分之一降价，又把子任务级Agent的token成本压低了一档。知乎知乎
下周看三个信号。Opus 5.5 Max只入榜一周，早期样本下排名波动难免；月之暗面Kimi K3.1据称十月发布（暂为泄露信息、未经官方确认），国产模型能否从综合榜前20打进前10，是“崛起”从站稳变成破局的分界线；Arena对齐榜的排序变动，则是能力之外的第一个公开竞争位。
