10月12日,全球AI大模型排行榜前30
1
引言
对比10月7日已发布榜单，前30的名单与分数没有变化，但Sonnet 5.5和Step的任务成本更新了。完整30名放在下图，浅红色标出中国模型，图后再看哪些变化值得注意。
2
Top 30完整榜单
3
今天有哪些信息值得注意？
Claude 5.5仍占前四，Sonnet成本降低了
第一名仍是Claude Opus 5.5（max with fallback），58分，每项评测任务平均成本5.98美元。第二名Sonnet 5.5（max with fallback）为56分，成本改为5.46美元。上期这一行是7.67美元，本次低约29%。因此，10月7日文章里“Sonnet max比Opus max贵”的比较，在今天的快照中已经不成立。
不过，同为56分的Opus 5.5（xhigh with fallback）只需3.46美元，比Sonnet max低约37%。Sonnet变便宜，并不意味着它是同分配置里成本最低的一项。第4名Opus high为54分、1.82美元；如果不一定要追求58分，这一档也值得拿自己的材料试一遍。
另外两档Sonnet也变了：xhigh从2.75美元降至2.01美元，high从1.12美元降至0.88美元，显示分数分别仍为52和47。这里记录的是榜单任务成本的变化，不是模型能力提高，也不能直接表述成API单价降了相同比例。完成任务用了多少token、按什么价格核算，需要另查具体评测说明。
GPT-6.1 Sol：52分，成本仍为0.72美元
GPT-6.1 Sol（max）仍排第11，52分、0.72美元；第7名GPT-6 Astra（max）为53分、3.26美元。两行与上期的分数、成本相同。Sol的平均任务成本约为Astra的22%，这个差距没有随着Sonnet成本调整而消失。
Sol进入前30的四档依次是：max为52分、0.72美元，xhigh为51分、0.39美元，high为50分、0.32美元，medium为48分、0.21美元。从medium加到max，多4个显示分数，成本约为原来的3.43倍。综合分数不是准确率，不能把这4分理解成每道题的正确率提高4%。
时间也要单独看。本次Sol max为65 tokens/s，端到端响应时间355.42秒；high为59 tokens/s、73.08秒，medium为55 tokens/s、16.56秒。档位越高，输出速度未必明显变慢，但整次响应的等待可能长得多。这些是官网测量值，不是读一篇论文的固定耗时。
中国模型位置未变，Step成本升至1.03美元
MiMo、Qwen、GLM、Step仍在第25、27、29、30，显示分数依次为46、45、45、44。与10月7日逐行对照，前30没有换入新配置，也没有谁因显示分数提高而升名次。没有发生的排名变化，就不必写成“榜单洗牌”。
变化在Step 5 Preview的成本：上期为0.72美元，本期为1.03美元，高约43%，分数仍是44。它依然比Qwen3.8 Max（0902）的5.41美元和GLM-5.3（max）的2.01美元低，但不能继续沿用上期的0.72美元做预算比较。费用变了，分数没有跟着变，这是这一行应当提醒读者的地方。
MiMo-V2.6-Pro仍是前30中任务成本最低的一项，46分、0.13美元。本次输出速度为49 tokens/s。Kimi K3（max）在第31，同样44分，因截取范围落在图外。官网同分条目的先后照录，不另加成本或速度排序；入围与否不能单独用来判断模型是否适合自己的任务。
Haiku 5.5得43分，为什么没进前30？
官网10月7日的更新日志记录了Claude Haiku 5.5的评测。今天max配置得到43分，每项任务0.21美元，排第32；本期前30最后一行是44分。所以，这张图里看不到Haiku，并不是忘了收录，而是它尚未进入前30的范围。
这行仍有值得看的数字：max输出235 tokens/s，但端到端响应时间为302.13秒。high配置是38分、0.08美元、179 tokens/s，端到端响应时间27.12秒。不能看到235 tokens/s就断定max适合快速交互；开始输出之前的等待，也属于一次回答的时间。
对于批量整理摘要或抽取论文信息，Haiku可以作为榜外候选加入测试，而不是因为没进前30就排除。先固定字段和输出格式，检查漏项、引用是否对应原句，再比较每批材料的费用与总耗时。43分只能帮助定位它在综合榜上的位置，不能替代这类具体任务的验证。
我怎么看这次更新？
这次最值得改的，未必是模型选择，而是比较时使用的数字。Sonnet max从7.67变成5.46美元，Step从0.72变成1.03美元，名次和显示分数却都没变。只记住“第几名”，会漏掉这两项变化；只拿上期截图算账，也可能把成本关系算反。
做论文阅读，我会先比较两档对同一批材料的回答：研究对象、数据集、实验设置和主结果有没有漏掉，引用是否真能在原文找到。回答更长却没有减少这些错误，还不足以说明更高档位值得多付钱。榜单的每项任务成本也不等于我们每篇论文的成本，后者要按实际输入、输出和调用次数记录。
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）
官方更新日志： Artificial Analysis Changelog（https://artificialanalysis.ai/changelog）
数据截点： 2026年10月12日；