9月全球最新AI大模型能力排行榜!

9月初，Artificial Analysis 发布智能指数（Intelligence Index）v4.2。

该指数将主流大模型置于十类真实任务中统一评测，涵盖智能体工作流、代码、科研推理、长文档理解等领域，最终合成一个综合得分，衡量的是模型"执行实际任务"的能力，而非单纯的记忆或答题水平。

榜单收录 643 个模型配置。以下为前27名完整排名。

榜单分析

Top 10 结构：中美各占多少

按模型口径（同源模型取最高分）统计前十名：美国 8 席，中国 2 席。

美国：Claude Fable 5.1、GPT-6 Astra、Claude Opus 5、Claude Fable 5、Muse Spark 1.3（Meta）、GPT-5.6 Sol、Grok 4.6、Gemini 3.8 Flash

中国：Kimi K3（第 8，指数 50）、GLM-5.3（第 9，指数 49）

前十名整体被美国厂商占据，Anthropic 一家占四席。中国模型的代表是 Kimi K3 与 GLM-5.3，两者的指数与第 7 名差距在 2 分以内，已触及第一梯队下沿。

TOP27地区分布

按 27 个配置统计：美国 19 席，中国 7 席，阿联酋 1 席。

美国：Anthropic、OpenAI、Meta、Google、xAI、Thinking Machines 六家厂商全线在场，前 12 名中占 11 席

中国：月之暗面、智谱、阿里、DeepSeek、MiniMax 五家厂商上榜，集中在第 13–23 名区间

其他：阿联酋 MBZUAI 的 K2 Horizon 排第 22 名，是榜单中唯一非中美模型

按实验室整体实力，Artificial Analysis 官方排序为：Anthropic > OpenAI > Meta > xAI > 月之暗面 > 智谱 > Google

选型建议：对应日常使用场景

对普通用户而言，榜单分数并不直接等于"该用哪个"。

榜单上的 27 个配置大多通过官方应用提供服务：

• GPT-6 Astra 与 GPT-5.6 在 ChatGPT 应用内，

• Claude Fable 5.1 在 Claude 应用内，

• Kimi K3 在 Kimi 应用内，

• GLM-5.3 在智谱清言内，

• DeepSeek V4-Flash 在 DeepSeek 应用内。

选择的出发点不是型号名称，而是"自己平时让 AI 做什么、是否愿意为此付费"。

可简化为四句：

• 追求各场景下的上限效果：GPT-6 Astra

• 日常办公写作、打开即用：Claude Fable 5.1 / GPT-5.6

• 中文内容创作、偏好国产模型：Kimi K3 / GLM-5.3

• 零成本高频使用：DeepSeek V4-Flash

重点关注

1. 榜首之争：两份权威榜单给出不同答案

在智能指数 v4.2 上，Claude Fable 5.1 以 57 分居首，GPT-6 Astra 以 55 分紧随其后。

另一权威评测体系 Epoch AI 的综合榜（ECI）则将 GPT-6 Astra 列为全球第一（169 分）。

分歧源于评测侧重：AA 指数更看重智能体与知识工作，Epoch 更看重数学与推理。GPT-6 Astra 是目前唯一能独立解决两道未解数学难题（Erdős 猜想）的模型，但在本榜的智能体维度仅比 GPT-5.6 Sol 高 4 分。

2. 分项评测中 OpenAI 反超

综合排名 Anthropic 居首，但在 GDP.pdf（长文档推理）单项上，GPT-6 Astra 以 33.2% 超过 Claude Fable 5.1 的 26.2%；token 使用效率方面 GPT-6 Astra 同样领先。综合榜与单项榜的差异提示：模型选择应匹配具体任务场景。

3. 中国厂商的两种路径

Kimi K3（50 分）与 GLM-5.3（49 分）是目前最接近第一梯队的中国模型，与前一位差距在 2 分以内。智谱同时登上"单任务成本最优"的 Pareto 前沿，与 Anthropic、OpenAI、Meta 并列。整体而言，中国模型在综合智能上仍有差距，但在开源与性价比两条路径上已进入第一梯队。

榜单每月更新，模型格局随之变动。v5 大版本预计 10 月发布，届时评测规则与排名都可能再次调整。