本期（2026-09-01）榜单共收录 333 个模型；竞技场方面，Claude Opus 5（Anthropic）以 1504 的 Elo 分继续领跑；中文能力上，Gemini 3.1 Pro 的 SuperCLUE 智能指数为 75.7；综合能力分（SuperCLUE 六维均值）第一为 Qwen3.8-Max（73.06 分）；最便宜的模型是 Llama 4 Maverick，输入价格 ¥1.94 / 百万 tokens。
一、榜单总览
先看竞技场 Elo Top 10（点击模型名可进入详情页查看六维能力与历史趋势）：
| 排名 | 模型 | 厂商 | Elo | SuperCLUE | 综合能力 |
|---|---|---|---|---|---|
| 1 | Claude Opus 5 | Anthropic | 1504 | 75.0 | — |
| 2 | Claude Opus 4.6 | Anthropic | 1503 | — | — |
| 3 | Claude Fable 5 | Anthropic | 1495 | — | — |
| 4 | Gemini 3.7 Flash | 1490 | — | — | |
| 5 | Claude Opus 4.7 | Anthropic | 1490 | — | — |
| 6 | Muse Spark 1.2 | Meta | 1487 | — | — |
| 7 | Gemini 3.5 Flash | 1483 | 71.5 | — | |
| 8 | Qwen3.8-Max | 阿里巴巴 | 1482 | 71.5 | 73.1 |
| 9 | Gemini 3.1 Pro | 1480 | 75.7 | — | |
| 10 | Gemini 3 Pro | 1479 | — | — |
二、本周变化：榜单进入稳定期
与上一期（2026-09-01）快照相比，本期榜单的 Elo 排名、SuperCLUE 得分与 API 价格均未发生变化。这通常意味着两件事：其一，LMArena 官方未发布新的 Elo 快照（竞技场数据为不定期更新）；其二，各厂商处于发版间歇期，没有新模型入榜或调价。
稳定期恰恰是做「横评」的好窗口——排名不再频繁跳动，同一套数据下的模型对比结论更耐得住推敲。推荐使用模型对比工具，把关注的两三个模型拉到同一张雷达图下看六维差异。
三、综合能力看点：六维数据说明了什么
综合能力分取 SuperCLUE 六个维度的平均分，本期前三名：
Qwen3.8-Max（阿里巴巴）—— 73.06 分
| 数学推理 77.19 | 幻觉控制 86.08 | 科学推理 71.93 | 精确指令遵循 43.81 | 智能体编程 68.42 | 智能体任务规划 90.94 |
DeepSeek V4 Pro（深度求索）—— 71.72 分
| 数学推理 77.19 | 幻觉控制 89.73 | 科学推理 71.93 | 精确指令遵循 42.86 | 智能体编程 63.16 | 智能体任务规划 85.48 |
Kimi K3（月之暗面）—— 71.18 分
| 数学推理 71.93 | 幻觉控制 83.85 | 科学推理 70.17 | 精确指令遵循 40.95 | 智能体编程 75.79 | 智能体任务规划 84.35 |
几点观察：
- 头部差距很小：前三名分差在 2 分以内，选型时不必迷信「第一名」，维度强弱比总分更值得关注；
- 维度差异才是选型依据：重数学/科学推理的场景看推理维度，做 Agent 应用重点看智能体编程与任务规划两项；
- 注意口径：海外模型若未参加当期 SuperCLUE 测评，榜单展示为参考估算值，横向对比时请留意标注。
四、价格动向：谁的性价比更高
当前输入价格最低的五个模型（输入 / 输出，每百万 tokens，按 1 美元 ≈ 7.2 元换算）：
| 模型 | 厂商 | 输入 / 输出价 | 开源 |
|---|---|---|---|
| Llama 4 Maverick | Meta | ¥1.94 / ¥6.12 | 开源 |
| 混元 Hy3 | 腾讯 | ¥7.2 / ¥28.8 | 开源 |
| DeepSeek V4 Flash | 深度求索 | ¥7.2 / ¥14.4 | 开源 |
| Qwen3.7-Max | 阿里巴巴 | ¥9.0 / ¥27.0 | 闭源 |
| Gemini 3.5 Flash | ¥10.8 / ¥64.8 | 闭源 |
本周各厂商定价无变化。整体来看，头部模型的价格战已阶段性趋缓，「降价换量」的窗口期在收窄，按当前价格做年度成本测算风险不大。
五、历史趋势：头部模型 Elo 走势
Claude Opus 5：2026-08-19（1508） → 2026-08-20（1505） → 2026-08-24（1504） → 本期（1504）（累计 -4）
Claude Opus 4.6：2026-08-20（1503） → 2026-08-24（1503） → 本期（1503）（累计 +0）
Claude Fable 5：2026-08-20（1494） → 2026-08-24（1495） → 本期（1495）（累计 +1）
从近几期走势看，头部位置的争夺集中在个位数 Elo 差距内，单周波动更多来自投票样本量的变化而非能力跃迁——看待周度排名变化时，建议以「趋势方向」而非「具体名次」为准。
六、选型建议
- 追求能力上限：优先看竞技场 Elo Top 5，这些模型在真实人类盲测偏好中胜率最高；
- 中文场景优先：SuperCLUE 与综合能力分权重更高的国产头部模型，通常在中文理解与指令遵循上更稳；
- 成本敏感型应用：从低价模型里挑 Elo 高于中位数的，单位智能的成本能低一个数量级；
- 长文档 / Agent 场景：先筛上下文长度与智能体维度得分，再看价格。
以上结论基于公开榜单数据，仅供选型参考；正式决策前建议用自己的业务数据做小规模实测。