AI大模型周榜更新:代码榜换帅,Claude Opus 4.7 Thinking登顶

113次阅读

共计 1687 个字符，预计需要花费 5 分钟才能阅读完成。

核心摘要

一句话

IT 之家 7 月 13 日消息,Arena(
arena.ai
) 平台发布了最新一期 AI 大模型周榜, 本期覆盖 2026 年 7 月 6 日 …

最新一期 Arena AI 大模型周榜显示, 头部竞争本周出现新的看点: 代码能力榜单榜首发生变化 ,Claude Opus 4.7 Thinking 从第二位升至第一; 而综合榜方面,Claude Fable 5 仍保持领先。整体来看,Anthropic 旗下模型继续占据多个榜单前列, 国产模型则大多维持在中上游位置。

本期榜单覆盖 2026 年 7 月 6 日至 7 月 12 日。综合榜的整体格局变化不大,Claude Fable 5 以 1505 的 ELO 分数位居第一, 较上周小幅下降 4 分。紧随其后的分别是 Claude Opus 4.6 Thinking、Claude Opus 4.7 Thinking、Claude Opus 4.6 和 Claude Opus 4.7。

值得注意的是, 综合榜前五名均来自 Anthropic, 且分数差距均在 30 分以内。按照榜单给出的置信区间, 这一梯队更接近“并列领先”状态, 而非绝对拉开差距。

从综合表现看,Anthropic 目前仍是该榜单最强势的模型厂商, 多个 Claude 系列模型形成了明显的头部集群。

本周最大变化来自代码榜。Claude Opus 4.7 Thinking 上升一位, 以 1553 分登顶; 此前的第一名 Claude Fable 5 则下降至第五,ELO 分数从 1563 降至 1546, 单周下滑 17 分。

代码榜前五名仍全部由 Anthropic 模型占据, 第二至第四名依次为 Claude Opus 4.6 Thinking、Claude Opus 4.7 和 Claude Opus 4.6。由于前几名分差大多在 10 分以内, 实际能力表现仍可视作非常接近。

新榜首:Claude Opus 4.7 Thinking,ELO 1553。
原榜首变化:Claude Fable 5 下滑至第五,ELO 1546。
明显上升模型:Grok 4.5 升至第 14 位, 上升 5 名。

国产模型在综合榜中的数量不多, 但排名相对稳定 。Qwen3.7 Max Preview 位列第 17,ELO 1475, 是国产模型中综合榜排名最高的一款;GLM 5.1 排名第 25, 较上周下降 3 位;ERNIE 5.1 位列第 30, 排名保持不变。

在代码榜中, 国产模型的存在感更强 。Qwen3.7 Max Preview 位列第 12, 仍是国产阵营中排名最高的模型;GLM 5.1 位列第 18; 小米 Mimo V2.5 Pro 排名第 23;Kimi K2.6、ERNIE 5.1 分列第 25、26 位, 二者均较上周上升 3 名;GLM 5.2 Max 排名第 27。

阿里 Qwen3.7 Max Preview: 综合榜、代码榜均处于国产模型前列。
Kimi K2.6 与 ERNIE 5.1: 代码榜排名出现上升。
GLM 系列: 多榜单持续入围, 但排名有小幅波动。

高难度指令榜的头部也出现换位,Claude Opus 4.6 Thinking 升至第一,Claude Fable 5 降至第二, 两者分数均为 1532, 仍属于非常接近的竞争状态。多轮对话榜中,Claude Opus 4.7 登顶,Claude Fable 5 从第一降至第四,Meta 的 Muse Spark 1.1 则从第 13 位升至第 8 位。

从本周榜单看,Anthropic 在多个维度继续保持强势, 尤其是在综合与代码能力上形成集中优势。不过, 头部模型之间的分差并不大, 部分排名变化可能受到投票样本、置信区间和测试任务分布影响。

对于开发者和企业用户而言, 榜单排名可以作为参考 , 但不宜简单等同于实际使用体验。模型价格、上下文长度、稳定性、工具调用能力以及中文场景表现, 都会影响最终选择。接下来值得关注的是, 新入围模型能否带来更大波动, 以及国产模型能否在代码、多轮对话等细分榜单继续向前推进。

本文基于公开信息整理, 如有侵权请联系删除。

正文完