VOL. 2026ISSUE 06数据截至 2026-06-10

大模型月度天梯榜

8 大类，24 款模型，月度更新，附 AI 友好的引用段。

9
categories
31
models
10
sources
↓ Index01 reasoning02 image03 video04 code05 voice06 music07 vision08 open-source09 cost-effectiveness
分享本期XLinkedIn
Archive · 02 issues

历史月度专题

每月一期，存档可查。回看 AI 能力版图的逐月变迁。

01
Text Generation & Reasoning

文本生成与综合推理

6 月 9 日 Anthropic 发布 Claude Fable 5——首个面向公众的 Mythos-class 模型，一上线即以 65 分登顶 Artificial Analysis Intelligence Index v4.0，领先 Opus 4.8 四分。推理前沿如今整段被 Anthropic 占据。

Previously: Claude Opus 4.8

当月领跑者
Claude Fable 5
Anthropic

6 月 9 日发布。首个公开的 Mythos-class 模型——以 65 分登顶 AA Intelligence Index v4.0，Humanity's Last Exam 得 53%（领先 7 分以上）。

评分
65
  • 01Intelligence Index v4.0：65（第 1）
  • 02Humanity's Last Exam：53%
  • 03AA-Omniscience 创历史最高分
  • 041M+ 上下文 · 自适应推理
  • 05发布日期 2026-06-09
Runners-up
№2

Claude Opus 4.8

Anthropic

5 月 28 日发布。自适应推理 + 最大努力模式；现居 AA Intelligence Index v4.0 第 2，仅次于 Fable 5。

  • Intelligence Index v4.0：61.4 分
  • 自适应推理（Adaptive Reasoning）
  • 编码与 agentic 任务相比 4.7 全面升级
  • 长任务一致性
  • 发布日期 2026-05-28
61.4
№3

GPT-5.5

OpenAI

4 月 24 日发布。1M token 上下文，原生支持 MCP + Skills + 计算机操作 + 托管 Shell。

  • Intelligence Index v4.0（xhigh）：60.2 分
  • 1M token 上下文
  • 原生 MCP + Skills
  • 内置 computer use
  • 工具搜索 + Web 搜索
  • 发布日期 2026-04-24
60.2
№4

Gemini 3.1 Pro

Google

强势 agentic 前沿，配套 Antigravity 2.0 平台。

  • Intelligence Index v4.0：57 分
  • 与 Antigravity 2.0 agentic 平台原生集成
  • 并列 GPT-5.5 medium 与 Qwen3.7 Max
57
№5

Grok 4.3

xAI

4 月 30 日发布。AA Intelligence Index 53，常驻推理、1M 上下文、激进定价——前沿四强里最便宜的一个。

  • Intelligence Index v4.0：53
  • 常驻推理 · 1M 上下文
  • 输入/输出较 Grok 4.20 便宜约 40%/60%
  • agentic 与工具调用强
53
Change

2026 年 6 月 9 日发布。AA Intelligence Index v4.0：65（自适应推理，最大模式）——领先 Opus 4.8（61.4）与 GPT-5.5 xhigh（60.2）四分；Gemini 3.1 Pro（57）与 Grok 4.3（53）紧随其后。

Market

Fable 5 属于 Opus 之上的 Mythos-class 梯队，附带额外安全限制；Opus 4.8 仍是高并发、成本敏感场景的默认主力。

02
Image Generation

图像生成

OpenAI 推出 GPT Image 2，token 计费 + Batch API 五折。Recraft V4.1 占据 Artificial Analysis 图像质量榜首，Adobe Firefly 仍是企业版权安全的默认选择。

Previously: GPT Image-2

当月领跑者
GPT Image 2
OpenAI

4 月 21 日发布。SOTA 质量 + token 计费 + Batch API 半价。

评分
None
  • 01按 token 计费
  • 02Batch API 50% 折扣
  • 03灵活尺寸
  • 04高保真输入
  • 05发布日期 2026-04-21
Runners-up
№2

Recraft V4.1

Recraft

在 Artificial Analysis 文生图竞技场质量第一。

  • AA 文生图质量榜首
  • 强势 control / 风格迁移
  • 设计师级输出
None
№3

Adobe Firefly Image 4

Adobe

完全使用授权数据训练；商用版权安全的企业级首选。

  • 训练数据全部授权
  • 企业商用赔付保障
  • 原生集成 Creative Cloud
None
Change

2026 年 4 月 21 日发布。token 计费，Batch API 50% 折扣。

Market

Recraft V4.1 在 AA 文生图竞技场上质量第一；GPT Image 2 在生态和定价透明度上胜出。

03
Video Generation

视频生成

Seedance 2.0（字节跳动）登顶 Artificial Analysis 文生视频 Arena（含音频）ELO 1215——首个让音画联合生成达到 SOTA 的模型。Google Veo 3.5 领跑无声电影级画质；Kling 4 守住性价比一端。OpenAI Sora 应用已于 2026-04-26 停服，退出榜单。

Previously: Veo 3.5

当月领跑者
Seedance 2.0
ByteDance

登顶 Artificial Analysis 文生视频 Arena（含音频）ELO 1215——领先 Veo。原生音画联合生成：从文/图/音/视频输入产出 15 秒多镜头、音画同步片段。

评分
1215
  • 01AA 含音频视频榜 #1 · ELO 1215
  • 0215 秒多镜头 · 音画同步
  • 03多模态输入（文/图/音/视频）
  • 04双分支扩散 Transformer
Runners-up
№2

Veo 3.5

Google

电影级输出，时序连贯最佳。

  • 1080p 输出
  • 物理仿真稳定
  • 长镜头时序连贯
  • 原生 Gemini API 集成
None
№3

Kling 4

Kuaishou 快手

亚太短视频广告创意一家独大；行业最快迭代节奏。

  • 原生 9:16 竖屏
  • 最快编辑迭代
  • 原生抖音 / TikTok 风格
  • 低延迟生成
None
Change

Seedance 2.0 稳居含音频文生视频 Arena 第 1；Sora 2 因 OpenAI 关停 Sora 应用（2026-04-26）退出榜单。

Market

音画同步与多镜头叙事选 Seedance 2.0；电影级画质选 Veo 3.5；性价比选 Kling 4。

04
Code Generation & Agentic Coding

代码生成与 Agentic Coding

Claude Fable 5 于 6 月 9 日发布，一上线即以 80.3% 登顶 SWE-bench Pro——在同一未污染多语言基准上领先 Opus 4.8（69.2%）约 11 分。Pro 分数显著低于已污染的 Verified 集，所以 80% 才是诚实的新前沿水位。

Previously: Claude Opus 4.8

当月领跑者
Claude Fable 5
Anthropic

SWE-bench Pro 以 80.3% 居第 1（6 月 9 日发布）——领先全场 11 分。Mythos-class agentic coding，专攻最难的多文件、长程任务。

评分
80.3
  • 01SWE-bench Pro：80.3%（第 1）
  • 02领先 Opus 4.8 11 分
  • 03长程 agentic 编辑
  • 041M+ 上下文 · Mythos-class
  • 05发布日期 2026-06-09
Runners-up
№2

Claude Opus 4.8

Anthropic

SWE-bench Pro 以 69.2% 居第 2（6 月 8 日更新），仅次于 Fable 5。多文件重构、代码审查与长程 agentic 编辑的成本敏感默认选择。

  • SWE-bench Pro：69.2%（第 2）
  • 多文件重构 SOTA
  • 代码审查最佳
  • 支持视觉感知编码
69.2
№3

GPT-5.3 Codex (xhigh)

OpenAI

SWE-bench Pro 第 3（6 月 8 日）。专门化终端代码 Agent；AA Intelligence Index 54。

  • AA Intelligence Index：54
  • 内置沙盒 Shell
  • agentic 循环强势
  • Terminal-Bench 最佳
54
№4

Cursor Composer 2.5

Cursor

AA Coding Agent Index 第 3。IDE 原生结对，多文件上下文。

  • AA Coding Agent Index：第 3 名
  • IDE 原生上下文
  • 多文件编辑
  • 原生 diff 工作流
None
Change

Fable 5 于 6 月 9 日以 80.3% 登顶 SWE-bench Pro；Opus 4.8（69.2%）第 2，GPT-5.3 Codex 第 3。

Market

最难的多文件重构与长程 Agent 选 Fable 5；成本敏感默认选 Opus 4.8；沙盒终端 Agent 选 GPT-5.3 Codex；IDE 原生结对编程选 Cursor Composer 2.5。

05
Voice / Speech

语音 / 音频

OpenAI 5 月 7 日发布的 Realtime 2 把可配置推理的 speech-to-speech 推上正式版；AA TTS 冠军换成 Fun-Realtime-TTS，STT 冠军是 MAI-Transcribe-1.5。

Previously: ElevenLabs v3

当月领跑者
Realtime 2
OpenAI

5 月 7 日正式版。可配置推理 speech-to-speech，配套 translate / Whisper 流式变体。

评分
None
  • 01可配置推理
  • 02speech-to-speech agent
  • 03流式翻译变体
  • 04流式 STT 变体
  • 05发布日期 2026-05-07
Runners-up
№2

ElevenLabs v3

ElevenLabs

角色声音克隆与有声书制作的行业默认。

  • 角色声音克隆 SOTA
  • 100+ 语言
  • 长篇有声书质量
  • 情感控制
None
№3

Fun-Realtime-TTS

Fun (Alibaba DAMO)

AA TTS 榜首。

  • AA TTS 榜首
  • 200ms 内延迟
  • 多说话人流式
  • 中日韩强势
None
Change

Realtime 2 系列 5 月 7 日上线（gpt-realtime-2 / -translate / -whisper）。

Market

agentic 语音选 Realtime 2；角色声音克隆选 ElevenLabs v3；纯 TTS 质量选 Fun-Realtime-TTS；转录选 MAI-Transcribe-1.5。

06
Music Generation

音乐生成

Suno v6 在整曲连贯与歌词韵律上拉开差距；Udio v3 继续推进录音棚级混音；Lyria（Google）已接入 Gemini Omni 走 any-to-music 工作流。

Previously: Suno v5.5

当月领跑者
Suno v6
Suno

预计 6 月底滚动发布。整曲连贯与歌词韵律最佳。

评分
None
  • 01整曲连贯 SOTA
  • 02歌词韵律最佳
  • 03多语言演唱
  • 04风格迁移
Runners-up
№2

Udio v3

Udio

录音棚级混音，分轨输出。

  • 分轨输出
  • 录音棚级混音
  • 电子曲风强势
  • DAW 友好
None
№3

Lyria (via Gemini Omni)

Google

已并入 Gemini Omni，支持任意输入到音乐 + 跨模态。

  • Gemini Omni 原生
  • 跨模态生成
  • 图/视频 → 音乐工作流
None
Change

Suno v6 预计 6 月底滚动发布；v5.5 仍为线上默认。

Market

整曲生成选 Suno v6；录音棚级分轨选 Udio v3；跨模态生成（图/视频/音乐）走 Gemini Omni 调 Lyria。

07
Vision / Multimodal Understanding

视觉 / 多模态理解

Anthropic 用 Opus 4.7-thinking、4.6-thinking、4.7 横扫 LMArena Vision 前 3。Opus 4.8 因刚发布尚未上 Arena ELO，预计 6 月底巩固冠军。

Previously: GPT-4o Vision

当月领跑者
Claude Opus 4.7-thinking
Anthropic

LMArena Vision 居首。OCR + 图表 + 文档理解最佳。

评分
1309
  • 01LMArena Vision ELO：1309
  • 02OCR SOTA
  • 03图表理解
  • 04文档问答
Runners-up
№2

GPT-5.5

OpenAI

图像支撑的推理链最强；原生 computer-use 视觉管线。

  • 图像推理链最佳
  • Computer use 视觉
  • 1M token 多模态
  • 发布日期 2026-04-24
None
№3

Gemini 3.1 Pro

Google

视频理解与长时序推理最佳。

  • 视频理解 SOTA
  • 长时序推理
  • 集成 Robotics-ER 1.6
  • 200 万 token+ 多模态
None
Change

LMArena Vision 前 3 全部 Anthropic（1309 / 1303 / 1298 ELO）。

Market

OCR / 文档问答 / 图表理解选 Anthropic；图像支撑的推理链选 GPT-5.5；视频理解选 Gemini 3.1 Pro。

08
Open-Source / Open-Weights

开源 / 开放权重

Kimi K2.6（Moonshot）以 AA Intelligence Index 54 居开源权重榜首——距前沿闭源仅 7 分。DeepSeek V4 Pro（MIT，52）是开源推理第 2，Google 新发的 Gemma 4 12B（Apache 2.0，2026-06-03）把原生多模态塞进 16GB 笔记本即可运行的体量。开源与闭源的差距是有史以来最窄的一次。

Previously: Llama 4

当月领跑者
Kimi K2.6
Moonshot AI

AA Intelligence Index 开源权重榜首。距闭源前沿仅 7 分。

评分
54
  • 01AA Intelligence Index：54
  • 02开源权重
  • 03中英双强
  • 04长上下文保持力
Runners-up
№2

DeepSeek V4 Pro

DeepSeek

MIT 开源权重，AA Intelligence Index 52——全榜第 3，开源推理模型第 2（仅次于 Kimi K2.6）。

  • AA Intelligence Index：52（全榜#3）
  • MIT 许可 · 开放权重
  • MoE 1.6T 总参 / 49B 激活
  • 1M tokens 上下文
52
№3

Gemma 4 12B

Google

2026-06-03 发布，Apache 2.0 开放权重。encoder-free 原生多模态（文/图/音/视频），256K 上下文，16GB 笔记本即可本地跑——性能逼近上代 27B。

  • Apache 2.0 · 开放权重
  • 256K 上下文 · 原生多模态
  • 16GB 显存可跑
  • MMLU-Pro 77.2 · GPQA-Diamond 78.8
№4

Qwen3.7 Plus

Alibaba

中文自托管部署的最佳开源选择。

  • AA Intelligence Index：53
  • 最佳中文开源
  • 工具调用强
  • 开放权重
53
Change

Kimi K2.6（54）登顶开源；DeepSeek V4 Pro（52）第 2；Gemma 4 12B 带来 16GB 笔记本可跑的多模态。

Market

通用开源部署选 Kimi K2.6；想要便宜的前沿级推理选 DeepSeek V4 Pro；端侧多模态选 Gemma 4 12B；中文自托管选 Qwen3.7 Plus。

09
每美元智能

性价比 / 价格性能比

2026 的性价比之战由中国开源军团主导。DeepSeek V4 Flash 以约 1/10 的价格拿到逼近旗舰的智能（Index 47），混合成本约 $0.06 / 百万 tokens。榜单点明一条警示：「Flash」「mini」标签不等于便宜——Gemini 3.5 Flash 智能分高达 55，但跑完整套 Intelligence Index 的成本高出 20 倍以上。

当月领跑者
DeepSeek V4 Flash
DeepSeek

每美元智能之王。AA Intelligence Index 47，$0.14/$0.28 每百万 tokens——约为同档 Flash 旗舰的十分之一，cache 命中价为 2026 一线模型最低。

评分
47
  • 01AA Intelligence Index：47
  • 02$0.14 输入 / $0.28 输出 每百万
  • 03混合 ≈ $0.06 / 百万
  • 04MIT 开源权重 · 1M 上下文
Runners-up
№2

DeepSeek V4 Pro

DeepSeek

高智能 + 低价象限的最佳平衡。Intelligence Index 52（全榜前 3），$0.435/$0.87——仅为 GPT-5.5、Claude Opus 等同档旗舰的零头。

  • AA Intelligence Index：52（全榜#3）
  • $0.435 输入 / $0.87 输出 每百万
  • 全榜智能前 3
  • MIT 开源权重
52
№3

Qwen3.7 Plus

Alibaba

让性价比之战不被单一厂商垄断。Intelligence Index 53，$0.40 输入——分数高于 V4 Pro；代价是输出更贵、出速更慢。

  • AA Intelligence Index：53
  • $0.40 输入 / $1.16 输出 每百万
  • 性价比梯队最高分
  • 中文与工具调用强
53
Change

新增类目。DeepSeek V4 Flash 领跑每美元智能；开源模型包揽性价比梯队。

Market

超大批量低成本场景选 DeepSeek V4 Flash；要更强推理又想省钱选 V4 Pro；想避免单一厂商依赖选 Qwen3.7 Plus。

Editorial · 07 observations

本月趋势变化

What changed across the AI model landscape this month — distilled from the data above.

01

Anthropic Mythos-class Fable 5 横扫推理 + 代码

Claude Fable 5（Mythos-class，6 月 9 日）以 65 分登顶 AA Intelligence Index、以 80.3% 登顶 SWE-bench Pro 代码榜（领先约 11 分）；Opus 4.8 在两榜均居第 2，Opus 4.7-thinking 仍占据 LMArena Vision 与 Document。GPT-4 时代 OpenAI 之后，首次有一家厂商如此完整地同时掌控推理 + 视觉 + 代码。

02

GPT-5.5 带来 1M 上下文 + 原生 MCP/Skills

OpenAI 4 月 24 日发布的 GPT-5.5 标配 1M token 上下文 + 原生 MCP + Skills + 托管 Shell + computer use + 工具搜索 + Web 搜索——把 API 本身做成了 agent 运行时。

03

Google Gemini Omni —— 任意输入到任意输出

5 月发布的 Gemini Omni 把图、音、视频统一在一套生成栈里；配套 Antigravity 2.0 平台把 Gemini 3.5 做成 agentic 底座。Google 押的不是单模型最聪明，而是整套栈最一体化。

04

开源与闭源差距收窄到 7 分

Kimi K2.6（54）距 Claude Opus 4.8（61）在 AA Intelligence Index 上仅 7 分。Meta 的 muse-spark 杀进 LMArena 总榜前 5（1489 ELO）。闭源护城河有史以来最窄。

05

AA Top 15 里有 5 家中国厂商

Qwen3.7 Max（阿里，57）、MiniMax-M3（55）、Kimi K2.6（Moonshot，54）、MiMo-V2.5-Pro（小米，54）、Qwen3.7 Plus（阿里，53）全部进入 AA Intelligence Index 前 15——中国厂商不再是「追赶」，已经进入前沿。

06

亚 200ms 语音 Agent 进入商品化阶段

OpenAI Realtime 2（5 月 7 日）+ Gemini 3.1 Flash TTS（4 月）+ Fun-Realtime-TTS 把实时语音 Agent 从研究推向生产。带推理的 speech-to-speech 已是基础能力。

07

性价比之战是一场中国开源叙事

DeepSeek V4 Flash 以混合 ~$0.06 / 百万 tokens 拿下 Intelligence Index 47——DeepSeek 与 Qwen 的开源权重模型已包揽每美元智能榜首，而 Gemini 3.5 Flash 这类「Flash/mini」闭源模型跑一遍 Index 的成本高出 20 倍以上。

数据来源
  1. [01]
  2. [02]
    LMArena Leaderboardcommunity leaderboard
  3. [03]
  4. [04]
    OpenAI Changelogofficial changelog
  5. [05]
    Anthropic Newsofficial changelog
  6. [06]
    Google DeepMind Blogofficial changelog
  7. [07]
    DeepSeek API Pricingofficial changelog
  8. [08]
    Google Gemma 4 Launchofficial changelog
  9. [09]
  10. [10]
预约 demo