2026年8月AI大模型能力TOP30排行榜(附清单),藏着一些不太好看但很真实的信号

每次大模型排行榜更新，我都会认真看一遍。不是为了追热点，是因为这个榜单的变化速度，有时候比新闻本身更能说明问题。

八月份这份TOP30，我看完之后坐了一会儿，有些东西跟我想的不太一样。

先说最上面。

Claude Opus 5，63分，第一。紧接着是Claude Fable 5，62分。Anthropic一家公司占了前两名。

这个结果说实话让我有点意外，但仔细想想又不意外。过去一年多，Anthropic在长文本理解、复杂推理、代码生成这几个维度上的进步是有目共睹的。他们不怎么做营销，不怎么开发布会，但模型能力一直在往上走。

OpenAI这次排第三的是GPT-5.6 Sol，61分。后面还有Terra、Luna、Codex，加上一个5.3版本的Codex，OpenAI一家公司占了五个席位。这说明什么？说明他们的策略是多线并进，不同场景用不同版本去打。

Grok 4.6，61分，跟GPT-5.6 Sol并列。xAI这家公司，从马斯克一开始被大家当笑话看，到现在真刀真枪杀进前四，中间其实也就两三年。有时候我会想，行业里那些"不可能"，保质期真的越来越短了。

然后是让我最关注的部分——中国厂商。

Kimi K3，60分，第五名。

月之暗面这家公司，从Kimi K1开始我就在关注。他们的产品思路一直很清晰，就是做"能真正帮人干活的AI"。K3这次能进前五，我觉得不是偶然，是他们一直在做的那件事终于到了一个临界点。

Qwen3.8-Max，58分，第六。阿里的通义千问系列，说实话之前有一段时间我觉得他们节奏有点慢，但这次3.8版本直接跳到第六，说明底层能力还是有的，只是之前可能没完全释放出来。

DeepSeek V4，56分，第九。深度求索这家公司，从V1到V4，每一步都走得很扎实。他们的开源策略在开发者社区里口碑很好，这次商业模型也能排进前十，算是两条腿都站住了。

再往后看，GLM-5.2，53分。豆包Seed，52分。这两个也在第一梯队边缘了。

但让我觉得需要说一说的，是后半段。

从第二十名开始往下，你会看到一个很集中的现象：华为盘古、百度文心、腾讯混元、科大讯飞、360智脑、商汤、百川、零一万物、中国移动九天……

这些名字，每一个背后都是大厂或者明星创业公司。但分数基本在33到43之间。

我不是说这些公司不行。但客观讲，跟前面那些比，差距确实存在。而且这个差距不是"再努力一下就能追上"的那种，更像是路线选择、资源投入、技术积累这些更深层的东西造成的。

尤其是华为盘古和百度文心，这两家其实很早就开始做大模型了，起步比很多公司都早。但现在排在这个位置，多少有点让人感慨。先发优势这个东西，在AI领域好像没那么管用。

最后说几个我个人的小感受。

第一个感受是，这个榜单的分数区间其实很窄。最高63，最低33，中间只差30分。但体感上，第一名和第三十名的差距远不止30分能形容的。越往上走，每一分的提升都越难。就像跑步，从10秒跑到9秒，和从5秒跑到4秒，完全是两回事。

第二个感受是，中国厂商在中间位置（第五到第十五名）的表现其实相当不错。Kimi、Qwen、DeepSeek、GLM、豆包，这几个已经能跟全球一线掰手腕了。但如果把视野拉到整个榜单，你会发现"头部集中"的趋势在加剧。

第三个感受，也是我最想说的：排行榜这个东西，看看就好。

分数能说明一些问题，但不能说明所有问题。一个模型排第几名，跟它在你的实际工作场景中好不好用，是两回事。我见过有人用排第十五的模型写出了非常好的方案，也见过有人用排第一的模型做了个一塌糊涂的PPT。

工具终究是工具。关键还是用工具的那个人，想清楚自己要解决什么问题。

这份榜单我大概率下个月还会再看一遍。到时候再聊聊，又有什么变了。

附：清单

原始来源： IT前沿

评论 (0)