AI 模型榜单

文本、图片和视频模型排在同一页,依据的是公开发布的第三方评分。文本表列出官方方案提供的每一个模型;图片和视频表就是榜单本身,并标出了 OHarness 在售的模型。

OHarness 不做任何模型评测。每个分数都抄自公开发布的第三方榜单,每张表都注明了来源和读取日期——官方方案的 69 个模型中有 21 个有分数,其余显示一条横线,而不是估算值。模型列表来自实际提供这些模型的网关,所以这里不会宣传任何你调用不了的模型。最近一次读取:2026-09-16。

Claude Fable 5.1
文本模型第一名 · 53 Intelligence Index
GPT Image 2.5 Flare
图片模型第一名 · 1189 Arena Elo
Seedance 2.5
OHarness 推荐 · 1482 Arena Elo

按模态排名

分数只有在同一模态内才有意义——智能指数和 Elo 评分用不同方法衡量不同的东西——所以每张表只和自己比。任何一列都可以排序。

文本

官方方案提供的每一个模型,按该指数评分。两列都可以排序。

文本模型按质量排名。 官方方案提供的每一个模型,按该指数评分。两列都可以排序。
#模型
1Claude Fable 5.1Anthropic5365 t/s
2Gemini 4 Argon1Google Gemini5385 t/s
3GPT-6 AstraOpenAI5353 t/s
4Claude Opus 5Anthropic5149 t/s
5Claude Fable 5Anthropic5065 t/s
6GPT-5.6 SolOpenAI4765 t/s
7DeepSeek V4.1 Flash 10172DeepSeek45216 t/s
8GLM 5.3Z.ai (GLM)4567 t/s
9Grok 4.6xAI4458 t/s
10Kimi K3Moonshot (Kimi)4435 t/s
11GPT-5.6 TerraOpenAI4299 t/s
12Gemini 3.8 FlashGoogle Gemini41332 t/s
13Qwen3.8 MaxQwen (Alibaba Cloud)4040 t/s
14Gemini 3.7 FlashGoogle Gemini39289 t/s
15Grok 4.5xAI3960 t/s
16Claude Sonnet 5Anthropic3880 t/s
17GPT-5.6 LunaOpenAI38115 t/s
18GLM 5.2Z.ai (GLM)3471 t/s
19DeepSeek V4 ProDeepSeek3186 t/s
20Gemini 3.1 Pro Preview3Google Gemini30108 t/s
21Claude Haiku 4.5Anthropic1885 t/s
22Claude Fable 5.2Anthropic——
23Claude Haiku 5.5Anthropic——
24Claude Opus 4.8Anthropic——
25Claude Opus 5.5Anthropic——
26Claude Sonnet 5.5Anthropic——
27DeepSeek V4 FlashDeepSeek——
28DeepSeek V4 Pro 0813DeepSeek——
29DeepSeek V4.1 FlashDeepSeek——
30Gemini 2.5 FlashGoogle Gemini——
31Gemini 3.1 Flash-LiteGoogle Gemini——
32Gemini 3.5 FlashGoogle Gemini——
33Gemini 3.5 Flash-LiteGoogle Gemini——
34Gemini 4 CarbonGoogle Gemini——
35GLM 5.3 FlashZ.ai (GLM)——
36GPT-4oOpenAI——
37GPT-5.2OpenAI——
38GPT-5.4OpenAI——
39GPT-5.4 miniOpenAI——
40GPT-5.4 nanoOpenAI——
41GPT-5.5OpenAI——
42GPT-6 Astra ProOpenAI——
43GPT-6 LunaOpenAI——
44GPT-6 Luna ProOpenAI——
45GPT-6 SolOpenAI——
46GPT-6 Sol ProOpenAI——
47GPT-6.1 SolOpenAI——
48GPT-6.1 Sol ProOpenAI——
49GPT-6.1 TerraOpenAI——
50GPT-6.1 Terra ProOpenAI——
51GPT-6.2 AstraOpenAI——
52GPT-6.2 Astra ProOpenAI——
53GPT-6.2 SolOpenAI——
54GPT-6.2 Sol ProOpenAI——
55Grok 4.7xAI——
56Kimi K2 0711Moonshot (Kimi)——
57Kimi K2 0905Moonshot (Kimi)——
58Kimi K2 ThinkingMoonshot (Kimi)——
59Kimi K2.5Moonshot (Kimi)——
60Kimi K2.6Moonshot (Kimi)——
61Kimi K2.7 CodeMoonshot (Kimi)——
62Kimi K3.1 ProMoonshot (Kimi)——
63MiMo V2.6 Flashxiaomi——
64MiMo V2.6 Proxiaomi——
65Muse Spark 1.3meta——
66Muse Wondermeta——
67Qwen3.8 FlashQwen (Alibaba Cloud)——
68Sonar Deep ResearchPerplexity——
69Video UnderstandingOttoPort——
  1. 1Gemini 4 Argon 以高推理强度评分。
  2. 2DeepSeek V4.1 Flash 1017 以最高推理强度评分。
  3. 3Gemini 3.1 Pro Preview 按 Gemini 3.1 Pro 评分;这里提供的是同一模型的预览版。

图片

文生图模型,按盲测一对一投票排名。标有「OHarness 可用」的模型和对话共用同一份积分来生成——价格见定价页。

图片模型按质量排名。 文生图模型,按盲测一对一投票排名。标有「OHarness 可用」的模型和对话共用同一份积分来生成——价格见定价页。
#模型
1GPT Image 2.5 Flare1OHarness 可用OpenAI1189
2GPT Image 2.52OHarness 可用OpenAI1183
3GPT Image 23OHarness 可用OpenAI1173
4Nano Banana 2OHarness 可用Google1122
5GPT Image 1.54OHarness 可用OpenAI1104
6Nano Banana ProOHarness 可用Google1099
7Nano Banana LiteOHarness 可用Google1088
8Qwen Image 3.0 ProOHarness 可用Alibaba1087
9Seedream 5.0 ProByteDance1082
10Qwen Image 3.0OHarness 可用Alibaba1073
11Seedream 5.0 LiteOHarness 可用ByteDance1000
12Wan 2.7 ProOHarness 可用Alibaba979
13GPT Image 1 Mini5OHarness 可用OpenAI919
14Midjourney v76OHarness 可用Midjourney897
  1. 1GPT Image 2.5 Flare 按最高质量设置排名。
  2. 2GPT Image 2.5 榜单条目:GPT Image 2.5 Sunburst,最高质量。
  3. 3GPT Image 2 按高质量设置排名。
  4. 4GPT Image 1.5 按高质量设置排名。
  5. 5GPT Image 1 Mini 按中等质量设置排名。
  6. 6Midjourney v7 榜单条目:Midjourney v7 Alpha。

视频

文生视频模型,按盲测一对一投票排名。标有「OHarness 可用」的模型和对话共用同一份积分来生成——价格见定价页。

视频模型按质量排名。 文生视频模型,按盲测一对一投票排名。标有「OHarness 可用」的模型和对话共用同一份积分来生成——价格见定价页。
#模型
1Seedance 2.51OHarness 推荐OHarness 可用ByteDance1482
2Gemini Omni 1.1 FlashOHarness 可用Google1515
3Gemini Omni FlashOHarness 可用Google1511
4FLUX 3 VideoOHarness 可用Black Forest Labs1494
5Wan 3.02OHarness 可用Alibaba1494
6Seedance 2.03OHarness 可用ByteDance1479
7MiniMax H3OHarness 可用MiniMax1462
8Veo 3.14OHarness 可用Google1364
9Veo 3.1 Fast5OHarness 可用Google1362
10Wan 2.7OHarness 可用Alibaba1341
11Wan 2.6OHarness 可用Alibaba1328
12Wan 2.56OHarness 可用Alibaba1246
13Hailuo 2.3OHarness 可用MiniMax1205
14Hailuo 027OHarness 可用MiniMax1181

Seedance 2.5 排在第一是 OHarness 的安排,不是榜单的。 把它排在第一的是 OHarness,不是榜单。它是字节跳动目前的旗舰——原生 30 秒片段、4K、最多 50 张参考图——也是这张表里唯一一个实测 Elo 明显还没追上实力的模型:arena.ai 把它排在第五,1482 分;Artificial Analysis 则完全还没给它评分,因为这个模型是在两家榜单上次结算之后才发布的,投票还在累积。它那一行里的 1482 是榜单的原始分数,没有改动。只有排位是我们定的。

  1. 1Seedance 2.5 榜单条目:dreamina-seedance-2.5-720p。Artificial Analysis 尚未排名。
  2. 2Wan 3.0 榜单条目:wan3.0。Prime 档没有单独排名。
  3. 3Seedance 2.0 榜单条目:dreamina-seedance-2.0-720p。
  4. 4Veo 3.1 榜单条目:720p 的 veo-3.1-audio;1080p 条目得分 1363。
  5. 5Veo 3.1 Fast 榜单条目:720p 的 veo-3.1-fast-audio。
  6. 6Wan 2.5 榜单条目:wan2.5-t2v-preview。
  7. 7Hailuo 02 榜单条目:hailuo-02-standard;Pro 档得分 1198。

这些排名是怎么来的

质量和速度:不是我们测的

文本模型用的是 Artificial Analysis Intelligence Index;图片和视频用的是来自盲测一对一投票的 Arena Elo。不同的 Elo 池不能混用,所以每一列只取自一个榜单,并注明了名称和读取日期。各个 logo 是其所有者的商标,放在这里只是为了标明旁边的模型。

不放价格,是有意的

在一个讲「哪个模型最好」的页面上加一列价格,等于让读者在同一行里权衡两个不同的问题,结果两个问题都答得更差。每个模型的价格——两档费率、按每 100 万 tokens、以网关的计量为准——在定价页上,那是一张费率表,也明说了自己是费率表。

推荐位:这里唯一的主观判断

榜单总是落后于市场——一个模型可能已经发布、在自己的类别里领先,却要等好几个月,arena 才攒够投票给它排名。遇到这种情况,这个模型会被置顶在默认视图的最上方,带上标记,并在表格下方写明理由。置顶从不往单元格里写分数,而且只要你把排序反过来,它就会消失。

图片和视频:榜单原样,加上标记

两张表都是公开榜单的原始顺序。标有「OHarness 可用」的行,是官方方案目前在售的模型,和对话共用同一份积分;这个标记取自网关自己的列表,所以一个模型一旦停售,标记就会去掉。费率在定价页上,不在这里。

常见问题

这些分数是谁测出来的?

不是我们。每个质量数据都抄自公开发布的第三方榜单,每张表都注明了来源和读取日期。OHarness 售卖其中部分模型的使用权,而卖家给出的排名,只有说清楚哪些数字是自己测的、哪些是抄来的,才值得一看。这里没有一个数字是它自己测的。

图片和视频模型能通过 OHarness 使用吗?

能——标有「OHarness 可用」的那些行。它们和对话共用同一份积分来生成,在应用里或通过 API 都可以;按张和按秒的费率在定价页上。表里其余部分就是公开发布的榜单原样,所以即使 OHarness 不卖某个模型,你也能看到整个领域的全貌。

为什么没有价格列?

因为那会让两个问题都更难回答。哪个模型最好、它要花多少钱,是两个独立的决定;把它们混在一张表里,会在不明说的情况下引导读者按价格排名。费率表在定价页上,每个模型都列出了两档费率,数据取自为这次调用计量的网关。

为什么我用的某个模型不在表里?

要么官方方案不提供它,要么上次读取这张表时还没有任何榜单发布它的分数。没有分数的模型仍会出现在文本表里,显示一条横线:它是你可以调用的模型,而在那一格填个估算值,还不如留空。

为什么一个模型排在分数更高的模型前面?

因为它被置顶了,那一行上的标记也写明了这一点。这是本页唯一的主观判断:arena 落后于市场,一个模型可能在自己的类别里领先好几个月,榜单才攒够投票把它排到那个位置。置顶只移动这一行,别的什么都不动——单元格里的分数仍是榜单的,理由写在表格下方,把排序反过来,置顶就完全消失。

不同表之间的数字能比较吗?

不能,本页也没有任何地方这么做。文本用的是满分约 100 的智能指数;图片和视频用的是 Arena Elo,它没有有意义的零点,而且每个榜单的投票池各自独立。分数只在同一张表内用于排名,跨表比较没有任何意义。