LLM 排行榜存档 — 2026-09

最新的推理能力领导者，展示在逻辑处理和决策制定方面最先进的模型。

Claude Opus 5.5 以 58 的智能指数得分取代了 Claude Opus 5 成为领导者。

Anthropic 继续凭借其 Claude Opus 系列在推理类别中占据主导地位。

截至 2026-09-24，Claude Opus 5.5 以 58 分在 169 个排名模型中领先。

在当前 Text to Image Arena 中，GPT Image 2.5 Sunburst (max) 以 Elo 1197 领跑，其后是 GPT Image 2.5 Flare (max)（1191）和 GPT Image 2 (high)（1171）。Sunburst 的样本数为 13,433。

本期榜首已由 8 月刊的 GPT Image 2 / Nano Banana 2 组合更替。

开放权重图像模型方面，Ideogram 4.0 (Quality) 以 1011 领跑，其后是 Ideogram 4.0（1003）和 FLUX.2 [dev]（1000）。

截至 2026-09-24，GPT Image 2.5 Sunburst (max) 以 Elo 1197 排名第 1，样本数为 13,433。

Gemini Omni Flash 以 1233 Elo 继续领跑支持音频的文生视频榜单，Wan 3.0 以 1229 紧随其后。在无音频赛道中，榜首则由 Wan 3.0 以 1336 获得。

本月榜首较 8 月未变，但 Wan 3.0 升至第二；两个 MiniMax H3 版本分别占据第三和第四位。

头部竞争高度胶着：第一名 Gemini Omni Flash 与第五名 Dreamina Seedance 2.0 720p 仅相差 23 Elo。同期前五名的价格差异显著，每分钟从 $2.40 到 $12.00 不等。

截至 2026-09-24，Wan 3.0 在有音频榜单以 1229 Elo 位列第 2，在无音频榜单则以 1336 排名第 1。

Terminal-Bench 2.1 覆盖软件工程、系统管理、数据处理、模型训练与安全任务。此次更新包含 89 项任务，并修正了环境和指令问题；pass@1 按三次重复运行取平均值，评测由 Artificial Analysis 独立执行。

Claude Fable 5.1 Adaptive Reasoning Max Effort with Default Fallback 取代 8 月榜首 Claude Opus 5。由于 Terminal-Bench 2.1 属于刷新后的评测版本，9 月百分比不宜与上期分数直接比较。

榜单前三均为 Claude Fable 5.1 的不同推理强度配置，成绩集中在 89.9% 至 91.4%。对企业选型而言，推理强度档位已成为与基础模型名称同样重要的评估维度。

截至 2026-09-24，Claude Fable 5.1 Adaptive Reasoning Max Effort with Default Fallback 以 91.4% 的 pass@1 成绩位列 Terminal-Bench 2.1 第 1 名。

Cartesia Sonic 3.6 于 2026 年 8 月发布，目前以 1278 Elo 位居 Provider Voice Arena 榜首。Inworld Realtime TTS-2 以 1243 排名第二，SpeechifyAI Simba 3.2 和 Alibaba Qwen-Audio-3.0-TTS-Plus 分别以 1238、1235 紧随其后。

Cartesia Sonic 3.6 取代 8 月榜首 Realtime 2；在本期榜单中，Inworld Realtime TTS-2 位列第二。

头部六款模型的 API 成本差异明显：SpeechifyAI Simba 3.2 的标价为每 100 万字符 $6.6，Sonic 3.6 为 $49.0，VUI Labs Luna TTS 则为 $80.0。开放权重阵营中，Breeze TTS 2 以 1203 成为排名最高的 TTS 模型。

截至 2026-09-24，Cartesia Sonic 3.6 以 1278 Elo 位列 Provider Voice Arena 第 1 名。

Mureka V9 以 1177 Elo 位居 Instrumental Music Arena 榜首，Suno V5.5 以 1171 排名第二，Mureka V8 以 1143 排名第三。该榜单采用盲选偏好投票，并将器乐与人声模式分开评测。

Mureka V9 取代 8 月榜首 Suno v5.5；Suno V5.5 本期降至第二位。

Mureka 与 Suno 各占前四名中的两个席位。各模型样本量从 StepAudio 3 Music 的 2,212 个到 Mureka V8 的 3,130 个不等；来源页面未提供音乐模型价格。

截至 2026-09-24，Mureka V9 以 1177 Elo 位列 Instrumental Music Arena 第 1 名。

Vision Arena 于 2026 年 9 月 13 日发布的榜单覆盖 152 个模型和 1,314,119 次投票。Claude Fable 5 High 以 1310±8 位居第一，Qwen3.8 Max 以 1302±8 紧随其后，两个 Claude Opus 4.7 配置也进入前四。

Claude Fable 5 High 登上榜首，接替 8 月榜单中的 Claude Fable 5。

榜首模型每 100 万输入和输出 token 的价格分别为 $10 和 $50；第二名 Qwen3.8 Max 分别为 $2 和 $6。对于重视部署成本的企业，前两名之间存在明显价差。

截至 2026-09-24，Claude Fable 5 High 以 1310±8 排名第 1；该期 Vision Arena 覆盖 152 个模型和 1,314,119 次投票。

MiMo-V2.6-Pro 以 46 分位列 Artificial Analysis 开放权重模型第一，GLM-5.3 max 以 45 分紧随其后，Kimi K3 max 以 44 分排名第三。

MiMo-V2.6-Pro 取代 8 月榜首 Kimi K3，成为本期开放权重模型的新领跑者。

开放权重模型继续保持竞争力，但与专有模型的绝对前沿仍有差距：MiMo-V2.6-Pro 得分为 46，而 Claude Opus 5.5 max with fallback 为 58。

截至 2026-09-24，Artificial Analysis 收录的 169 个模型中有 68 个采用开放权重，其中 MiMo-V2.6-Pro 以 46 分排名第一。

GPT-6 Luna (low) 的单任务成本为 $0.0045，Intelligence Index 为 21。本期将其列为性价比领先者，是基于 Artificial Analysis 同一对比表作出的编辑判断：在已明确列出的正成本模型中，其单任务成本最低，同时智能得分高于两款成本显示为 $0.00 的实用型模型。

GPT-6 Luna (low) 取代 8 月榜首 DeepSeek V4 Flash 0731。

Command A+ 与 North Mini Code 的单任务成本均显示为 $0.00，但 Intelligence Index 分别只有 13 和 10。企业评估总体价值时，不能脱离这一性能差距仅比较账面成本。

截至 2026-09-24，GPT-6 Luna (low) 以每任务 $0.0045 位列成本效益第 1，Intelligence Index 为 21。