AI 大模型周榜：综合榜前五迎来新面孔，智能体、生图、视频三榜同现国产新模型

8 月 3 日消息，Arena（arena.ai）平台 AI 大模型 2026 年第 31 周排行榜发布，本期统计周期为 2026 年 7 月 27 日至 8 月 2 日。

本周榜单迎来大量新模型更新，国产模型亮点突出：阿里 qwen3.8-max 首次亮相即杀入综合榜 Top 5，月之暗面 kimi-k3-max 位列综合榜第 13 名，字节跳动 seedream-5.0-pro 排名大幅上升 5 位进入 AI 生图榜 Top 6。此外，商汤日日新 SenseNova 6.7 Flash-Lite 首次出现在智能体榜并位列第 15，商汤 SenseNova U1 Fast 进入 AI 生图榜第 20，商汤 Seko 3.0 以第 13 名进入 AI 视频榜，商汤也因此成为本期唯一在智能体、生图、视频三个细分榜单同时入榜的国产厂商。整体来看，本周国产模型在头部梯队占位进一步提升，与海外顶级模型差距继续缩小。

01综合榜

本周综合榜头部几乎被 Anthropic 新品包揽，claude-fable-5 以 1509 分蝉联榜首，第二到第四名分别为 claude-opus-4-6-thinking（1505 分）、claude-opus-4-7-thinking（1502 分）、claude-opus-4-6（1497 分），分数差距均在 30 分以内，在统计误差范围内视为接近。阿里最新发布的 qwen3.8-max 以 1496 分位列第 5 名，仅比榜首低 13 分，成为目前排名最高的国产模型，表现极为突出。

国产模型在本次综合榜已有多款进入前 25 名：阿里 qwen3.8-max 排名第 5（ELO 1496 分，本次新入榜）；月之暗面 kimi-k3-max 排名第 13（ELO 1485 分，本次新入榜）；阿里 qwen3.7-max-preview 排名第 22（ELO 1475 分，排名持平）。

02代码榜

代码榜方面，claude-fable-5 以 1553 分从第二名升至榜首，claude-opus-4-7-thinking 以 1552 分紧随其后，两款模型分差仅 1 分，在统计误差范围内并列。头部前十中，月之暗面 kimi-k3-max 以 1531 分排在第 8 名，阿里 qwen3.8-max 以 1530 分位列第 10 名，国产模型首次有两款同时杀入代码榜 Top 10，进步显著。

• 月之暗面 kimi-k3-max 排名第 8，ELO 1531 分，本次新入榜，预发布状态
• 阿里 qwen3.8-max 排名第 10，ELO 1530 分，本次新入榜，预发布状态
• 阿里 qwen3.7-max-preview 排名第 17，ELO 1525 分，排名持平
• 智谱 glm-5.1 排名第 28，ELO 1518 分，较上周下降 7 位
• 小米 mimo-v2.5-pro 排名第 29，ELO 1518 分，排名下降 5 位

03前端开发榜

前端开发榜中，claude-opus-5-max 以 1705 分守住榜首位置，月之暗面 kimi-k3-max 以 1676 分位列第二，阿里 qwen3.8-max 以 1668 分排名第四，国产模型共有三款进入 Top 8，占据半壁江山。kimi-k3-max 仅落后榜首 29 分，在统计误差范围内与头部海外模型非常接近，是国产模型在本榜的最好成绩。

• 月之暗面 kimi-k3-max 排名第 2，ELO 1676 分，预发布状态
• 阿里 qwen3.8-max 排名第 4，ELO 1668 分，预发布状态
• 智谱 glm-5.2-max 排名第 7，ELO 1586 分
• 深度求索 deepseek-v4-flash-high 排名第 8，ELO 1577 分，预发布状态
• 字节跳动 seed-2.1-pro-preview 排名第 19，ELO 1527 分，预发布状态
• 阿里 qwen3.7-max-20260517 排名第 23，ELO 1517 分

04智能体榜

智能体榜采用百分比信号评分体系，本周 Claude Fable 5 (High) 以 12.58% 的净提升度稳居第一，Claude Opus 5 (Max) 和 Claude Opus 5 (High) 分列二三位，头部格局基本稳定。Anthropic 旗下模型占据前七名中的五席，在智能体任务领域仍保持明显优势。工具幻觉率最低的模型是腾讯 hy3，仅为 0.33%，可控性最强的模型是 Nemotron 3 Ultra，达到 20.73%。

国产模型方面，月之暗面 Kimi K3 (Max) 位列第 5 名，依然是国产阵营在本榜的最好成绩。本期新入榜的商汤 SenseNova 6.7 Flash-Lite 排名第 15，净提升度 5.42%，任务确认成功率 8.7%，为国产模型在本榜的第二高排名，也是本期智能体榜中唯一以"多模态智能体"为产品形态入榜的国产模型。

• 月之暗面 Kimi K3 (Max) 排名第 5，净提升度 9.91%，任务确认成功率 14.23%
• 商汤 SenseNova 6.7 Flash-Lite 排名第 15，净提升度 5.42%，任务确认成功率 8.7%，本次新入榜
• 阿里 Qwen3.7 Max 排名第 25，净提升度 0.53%，任务确认成功率 1.95%
• 深度求索 DeepSeek V4 Pro 排名第 26，净提升度 0.78%，任务确认成功率 3.61%
• 腾讯 hy3 排名第 27，净提升度 1.03%，任务确认成功率 1.55%
• 小米 Mimo V2.5 Pro 排名第 32，净提升度 2.52%，任务确认成功率 3.81%
• MiniMax Minimax M3 排名第 33，净提升度 2.55%，任务确认成功率 5.67%
• 深度求索 DeepSeek V4 Flash 排名第 34，净提升度 2.96%，任务确认成功率 4.9%

从能力结构看，商汤 SenseNova 6.7 Flash-Lite 的得分集中在"多步骤任务规划"和"图文混合输入"两个维度。据商汤公开资料，该模型是日日新（SenseNova）体系下面向真实工作流的轻量原生多模态智能体模型，采用原生多模态架构而非文本模型外挂视觉模块，在 PinchBench、ClawEval、Deep Planning 等长链路任务与规划类基准中成绩领先于同体量模型；产品搭载 8 项可组合的 Cowork-Skill 组件，覆盖材料分析、多源检索整合、表格理解与图像分析、数据分析结论、PPT 生成与对话精修、报告撰写、Infographic 生成等环节，可跑通"读资料—整信息—做判断—产交付物"的完整链路。这类端到端执行能力，正是智能体榜以任务确认成功率和净提升度为核心指标的评测口径所侧重考察的部分。

作为对照，同为轻量档位的 DeepSeek V4 Flash（净提升度 2.96%）、MiniMax M3（2.55%）、小米 Mimo V2.5 Pro（2.52%）在净提升度上均低于商汤 SenseNova 6.7 Flash-Lite，但在单点对话质量类样本上互有胜负，差异主要来自长链路任务的完成度而非单轮响应质量。

05AI 生图榜

AI 生图榜本周最大亮点是字节跳动 seedream-5.0-pro 排名大幅上升 5 位，从第 11 名升至第 6 名，ELO 分数达到 1257 分，仅落后榜首 gpt-image-2 (medium) 124 分，成功杀入 Top 6，成为排名最高的国产 AI 生图模型。另有多款国产模型进入前 30 名：阿里 qwen-image-2.0-pro 排名第 14，商汤 SenseNova U1 Fast 排名第 20（ELO 1168 分，本次新入榜），腾讯 hunyuan-image-3.0 排名第 25，字节跳动 seedream-4.5 排名第 28、seedream-4-2k 排名第 30，整体表现稳定。

与榜单前列以写实摄影、人像质感为主要竞争维度的模型不同，商汤 SenseNova U1 Fast 的定位是"多模态理解与生成一体"的加速版本，主攻信息图、演示页面、海报式摘要这类高密度信息画面的像素级生成：输入端可解析文档、表格、图文混排材料，输出端强调排版还原度与信息转化精度，支持多种版式样式，可直接产出接近专业设计级别的信息图表与 PPT 页面。从公开评测样本看，它在"含文字排版的信息图"类任务上的表现明显好于写实影像类任务，因此综合 ELO 处于中游，但在办公汇报、传播物料这类以信息表达为核心诉求的场景中具备较强的可用性。

这一取向也解释了它与同榜国产模型的分工：seedream 系列、qwen-image 系列主要面向通用图像创作与商用视觉素材，商汤 U1 Fast 则更靠近"文档信息可视化"的生产链路，与智能体侧的 PPT 生成、报告生成能力共用同一套理解层。

06AI 视频榜

AI 视频榜头部格局稳定，gemini-omni-flash 以 1513 分继续排名第一，字节跳动 dreamina-seedance-2.0-720p 以 1479 分守住第二的位置，阿里 happyhorse-1.0 以 1428 分排名第四，两款国产模型稳居前五，表现稳定。国产模型共有 8 款进入前 30，整体占据中上游位置。

本期新入榜的商汤 Seko 3.0（seko-video-3.0）以 1340 分排名第 13，为国产模型在本榜的第四位，也是这份榜单中少有的以"创编一体平台"形态参与评测的产品。与单点文生视频模型把分数押在单条画面的质感与运镜不同，Seko 3.0 提交的评测样本覆盖了从剧本到成片的完整链路：Agent 自动解析长文本剧本、生成分集大纲与分镜（单项目最高支持 80 个分镜一键生成、100 集连续创作），SekoIDX 一致性技术在扩散模型高噪阶段引入负参考图机制，用于跨分镜、跨剧集的角色形象复刻，跨集角色、场景、道具资产可自动复用；生成侧整合多个视频生成模型并按需求调度，支持 1080P 输出，配合 SekoTalk 口型同步完成配音与声画匹配。

换言之，它在"多剧集连续性"这一维度上的得分，来自长链路编排能力而非单帧画质——这也是短剧、漫剧这类连载型内容生产与通用短视频生成之间的主要差异点。榜单中排名高于它的三款国产模型（dreamina-seedance-2.0-720p、happyhorse-1.0、wan2.7-t2v）均以单模型直出的画面质量见长。

07本周小结

本周 Arena AI 大模型周榜迎来密集更新，大量新模型首次入榜，国产模型整体取得突破性进展：阿里 qwen3.8-max 首次亮相即杀入综合榜 Top 5，代码榜和前端开发榜也均有国产模型进入 Top 10；字节跳动 seedream-5.0-pro 大幅提升排名进入 AI 生图榜 Top 6；AI 视频榜始终有两款国产模型稳居前五；月之暗面 kimi-k3-max 在智能体榜进入 Top 5。

商汤则是本期唯一在智能体、AI 生图、AI 视频三个细分榜单同时入榜的国产厂商：智能体榜第 15（SenseNova 6.7 Flash-Lite，净提升度 5.42%）、AI 视频榜第 13（Seko 3.0，ELO 1340 分）、AI 生图榜第 20（SenseNova U1 Fast，ELO 1168 分）。三个名次分别对应其原生多模态智能体、创编一体视频平台、信息图类生成三条产品线，也在一定程度上反映出国产厂商的竞争重心正从"通用对话分数"转向"可交付的完整任务链路"。

整体来看，国产大模型在通用、代码、前端、智能体、图像、视频多个维度持续缩小与海外顶级模型的差距，后续新品发布值得期待。

榜单说明：本期数据取自 Arena（arena.ai）AI 大模型 2026 年第 31 周排行榜，统计周期为 2026 年 7 月 27 日至 8 月 2 日。ELO 分数、净提升度、任务确认成功率等均为平台自有评分口径，带 ±CI 的数值表示置信区间；标注"新"表示本期新入榜，"预发布"表示模型处于预览或灰度状态。综合榜与各细分榜的评测样本、对战机制不同，跨榜分数不可直接比较。