9月22日,全球AI大模型排行榜前30

1

引言

9月22日，Artificial Analysis榜单前三位仍是Claude Fable 5.1的max、xhigh配置和GPT-6 Astra（max），均为53分。本期中段多了几张新面孔：Grok 4.7两个档位进入前16，小米MiMo-V2.6-Pro排第17，Step 5 Preview排第26。完整榜单如下，浅红色标出中国模型配置。

2

Top 30完整榜单

3

今天有哪些信息值得注意？

MiMo排第17，任务成本只有0.13美元

小米MiMo-V2.6-Pro拿到46分，平均每项评测任务成本0.13美元，中位输出速度125 tokens/s，上下文长度100万tokens。这几列放在一起，比单独一个“第17名”更值得看。相关结果见[MiMo官方评测页](https://artificialanalysis.ai/models/mimo-v2-6-pro)。

在本期前30中，它的平均任务成本最低。同为46分的GPT-6 Astra（low），任务成本为0.82美元；按当前表格计算，MiMo约为它的16%。当然，相同的综合分数并不意味着两者在每项任务上都一样。

对需要批量处理材料的人，这提供了一个值得测试的候选。但0.13美元是Artificial Analysis评测任务的平均花费，不是“处理一篇论文”的报价，更不能据此推算所有科研任务的成本。

Grok 4.7：两档都是46分，high更省

Grok 4.7的xhigh排第15，high排第16，显示分数都是46。xhigh每项任务3.74美元，high为2.73美元，后者低约27%；输出速度分别为39和55 tokens/s。两个档位的上下文窗口均为50万tokens。参见[Grok 4.7评测页](https://artificialanalysis.ai/models/grok-4-7)。

这次表格给出的信号很具体：增加推理预算，并没有让xhigh的显示总分超过high，却提高了成本。同分项沿用官网顺序，因此第15和第16的先后，不应被解读成明确的能力差距。

如果自己的任务对推理深度很敏感，仍需分别测试两个档位；如果尚未测到xhigh的额外收益，就不必只因档位更高而默认选它。

Qwen与Step的新结果，定位并不相同

Qwen3.8 Max（0902）排第19，45分，平均任务成本5.41美元，输出速度39 tokens/s，上下文98.4万tokens。官方日志在9月15日记录了这一版本的评测结果。这里特意保留“0902”，避免与上一期未带版本后缀的Qwen3.8 Max混为一谈。参见[Qwen评测页](https://artificialanalysis.ai/models/qwen3-8-max)。

Step 5 Preview排第26，44分，平均任务成本0.72美元，输出速度89 tokens/s，上下文100万tokens。它与当前Qwen版本相差1个显示分数，任务成本则低得多。参见[Step评测页](https://artificialanalysis.ai/models/step-5)。

仅凭这1分，不能断言哪款更适合论文分析。对预算有限的读者，Step值得加入候选；对已有Qwen工作流的读者，更需要确认自己实际调用的版本，再谈迁移或升级。

数据来源：Artificial Analysis LLM Leaderboard

https://artificialanalysis.ai/leaderboards/models

评测方法：Artificial Analysis Intelligence Index v4.3.2

https://artificialanalysis.ai/methodology/intelligence-benchmarking

数据截点：2026年9月22日