本期（2026-10-05）榜单共收录 613 个模型；竞技场方面，Gemini 4 carbon（Google）以 1540 的 Elo 分占据榜首；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（73.92 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 | Gemini 4 carbon | 1540 | — | — | |
| 2 | Gemini 4 Argon | 1533 | — | — | |
| 3 | Gemini 4 argon | 1529 | — | — | |
| 4 | Claude Opus 5.5 | Anthropic | 1518 | — | — |
| 5 | Claude opus 5.5 | Anthropic | 1516 | — | — |
| 6 | Claude Fable 5.1 | Anthropic | 1514 | — | — |
| 7 | Claude fable 5.1 | Anthropic | 1514 | — | — |
| 8 | Claude opus 5 | Anthropic | 1508 | — | — |
| 9 | Claude Opus 4.6 | Anthropic | 1504 | — | — |
| 10 | Muse Wonder | Meta | 1504 | — | — |
二、本周变化
涨幅居前
- Step 5 preview：1443 → 1448（+5）
- Grok 4.7：1397 → 1400（+3）
- Gemini 3.8 Flash：1495 → 1497（+2）
- Qwen3.8-Max：1480 → 1482（+2）
- GPT 6 Luna：1392 → 1393（+1）
回落明显
- Claude Sonnet 5.5：1471 → 1467（-4）
- GPT 6.1 Sol：1448 → 1446（-2）
- Gemini 4 Argon：1534 → 1533（-1）
- GLM-5.2：1462 → 1461（-1）
- MiniMax M3：1433 → 1432（-1）
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）—— 73.92 分
| 数学推理 78.95 | 幻觉控制 86.19 | 科学推理 75.44 | 精确指令遵循 42.86 | 智能体编程 70.53 | 智能体任务规划 89.53 |
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 |
| DeepSeek V4 Flash | 深度求索 | ¥7.2 / ¥14.4 | 开源 |
| 混元 Hy3 | 腾讯 | ¥7.2 / ¥28.8 | 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
Gemini 4 carbon：2026-11-04（1540） → 2026-09-21（1540） → 2026-09-28（1540） → 本期（1540）（累计 +0）
Gemini 4 Argon：2026-10-05（1533） → 2026-10-12（1534） → 2026-10-19（1534） → 2026-10-26（1534） → 2026-09-21（1534） → 2026-09-28（1534） → 2026-10-05（1533） → 2026-10-12（1534） → 2026-10-19（1534） → 2026-10-26（1534） → 2026-11-04（1534） → 2026-09-21（1534） → 2026-09-28（1534） → 本期（1533）（累计 +0）
Gemini 4 argon：2026-10-19（1532） → 2026-10-26（1532） → 2026-09-21（1532） → 2026-09-28（1532） → 2026-10-05（1532） → 2026-10-12（1532） → 2026-10-19（1532） → 2026-10-26（1532） → 2026-11-04（1529） → 2026-09-21（1529） → 2026-09-28（1529） → 本期（1529）（累计 -3）
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。