排名01專有模型
Claude Fable 5.1
Anthropic
- 綜合推理 第 1 位
- 文本偏好 第 3 位
- 智能代理任務 第 1 位
98
100%
3 項評測訊號
LLM 排行榜
集合多個公開 LLM 評測榜單的訊號，整理成一個可讀、可追溯、每日自動更新的模型排名快照。
模型
20
訊號
44
更新日期
2026-09-08
香港時間每日 00:00 自動更新
共識快照
多個公開評測訊號，整理成一張決策表。
#1Claude Fable 5.1Anthropic · 綜合推理 第 1 位 · 文本偏好 第 3 位 · 智能代理任務 第 1 位98
#2Claude Fable 5Anthropic · 綜合推理 第 4 位 · 文本偏好 第 1 位 · 智能代理任務 第 3 位93
#3GPT-6 AstraOpenAI · 綜合推理 第 2 位90
#4Claude Opus 5Anthropic · 綜合推理 第 3 位 · 文本偏好 第 7 位 · 智能代理任務 第 2 位88
共識排名
共識分數並非原始跑分，而是跨評測排名位置的加權結果；同一產品線的不同推理強度與版本會合併，只取最佳成績。
權重設定綜合推理 40%文本偏好 30%智能代理任務 30%
排名模型分數覆蓋率
排名02專有模型
Claude Fable 5
Anthropic
- 綜合推理 第 4 位
- 文本偏好 第 1 位
- 智能代理任務 第 3 位
93
100%
3 項評測訊號
排名03專有模型
GPT-6 Astra
OpenAI
- 綜合推理 第 2 位
90
40%
1 項評測訊號
排名04專有模型
Claude Opus 5
Anthropic
- 綜合推理 第 3 位
- 文本偏好 第 7 位
- 智能代理任務 第 2 位
88
100%
3 項評測訊號
排名05專有模型
Muse Spark 1.3
Meta
- 綜合推理 第 5 位
79
40%
1 項評測訊號
排名06專有模型
GPT-5.6 Sol
OpenAI
- 綜合推理 第 6 位
- 文本偏好 第 14 位
- 智能代理任務 第 4 位
73
100%
3 項評測訊號
排名07專有模型
Claude Opus 4.7
Anthropic
- 文本偏好 第 4 位
- 智能代理任務 第 10 位
73
60%
2 項評測訊號
排名08開放權重
Kimi K3
Kimi
- 綜合推理 第 10 位
- 文本偏好 第 10 位
- 智能代理任務 第 6 位
69
100%
3 項評測訊號
排名09專有模型
Claude Opus 4.6
Anthropic
- 文本偏好 第 2 位
- 智能代理任務 第 17 位
63
60%
2 項評測訊號
排名10開放權重
Hy4 preview
Tencent
- 智能代理任務 第 9 位
63
30%
1 項評測訊號
排名11專有模型
Claude Opus 4.8
Anthropic
- 文本偏好 第 15 位
- 智能代理任務 第 5 位
61
60%
2 項評測訊號
排名12專有模型
Gemini 3.8 Flash
- 綜合推理 第 14 位
- 文本偏好 第 6 位
- 智能代理任務 第 14 位
58
100%
3 項評測訊號
排名13專有模型
Muse Spark
Meta
- 文本偏好 第 11 位
56
30%
1 項評測訊號
排名14專有模型
Qwen3.8 Max
Alibaba
- 綜合推理 第 7 位
- 文本偏好 第 19 位
- 智能代理任務 第 13 位
54
100%
3 項評測訊號
排名15專有模型
GPT 5.5
OpenAI
- 文本偏好 第 16 位
- 智能代理任務 第 8 位
54
60%
2 項評測訊號
排名16開放權重
GLM-5.3
Z AI
- 綜合推理 第 8 位
- 文本偏好 第 17 位
- 智能代理任務 第 18 位
49
100%
3 項評測訊號
排名17專有模型
Gemini 3 Pro
- 文本偏好 第 13 位
48
30%
1 項評測訊號
排名18專有模型
Muse Spark 1.2
Meta
- 綜合推理 第 16 位
- 文本偏好 第 5 位
- 智能代理任務 第 28 位
41
100%
3 項評測訊號
排名19開放權重
Qwen3.8 2.4T A95B
Alibaba
- 綜合推理 第 15 位
41
40%
1 項評測訊號
排名20專有模型
Grok 4.6
SpaceXAI
- 綜合推理 第 9 位
- 文本偏好 第 42 位
- 智能代理任務 第 16 位
39
100%
3 項評測訊號
計算方法
加權共識，而非單一評測定勝負。
- 01每日香港時間 00:00 自動抓取三個公開評測榜單，結果快取 24 小時。
- 02每個評測先按模型排名轉換成位置分數，再以本版權重加權平均。
- 03同一產品線的不同推理強度或版本會合併，只取該產品線在各評測的最佳成績。
- 04缺少部分評測覆蓋的模型會按覆蓋率略作折扣，避免單一榜單的短期第一名壓過多評測穩定的模型。
- 05排名只是選型與實驗的入口，並非絕對答案；實際應用仍要按成本、延遲、上下文長度、資料政策和任務測試決定。
想把排行變成可落地的模型選型？
如果要把這個排行榜接到貴公司的模型選型、提示詞測試或智能代理工作流程，我們可以幫你拆成可重跑的評測流程。