由知名机构 LMSYS 推出的 LMArena（原 Chatbot Arena 升级版）发布了最新排行榜。这些榜单完全基于全球用户的真实盲测投票，用户看不到模型名字，只凭输出质量投票，因此结果特别公平、可信，被视为 AI 模型实力最权威的'民意测评'。截至 2026 年 1 月 13 日更新，四个核心领域——Text Arena（文本能力）、WebDev Leaderboard（网页开发）、Vision Arena（视觉理解）、Text-to-Image Arena（文生图）——的排名已经出炉。
Text Arena：文本能力综合王者，Google 与 xAI 激烈争夺
Text Arena 主要考察模型在对话、推理、写作等文本任务上的表现，是最受关注的通用能力榜单。目前总投票超过数百万次，竞争极其激烈。
最新排名前五如下：
- Gemini-3-Pro（Google）——Elo 1490，稳居第一，投票超 2.5 万次
- Grok-4.1-Thinking（xAI）——Elo 1477，紧追其后
- Gemini-3-Flash（Google）——Elo 1471，性价比版本表现亮眼
- Claude-Opus-4-5-Thinking-32K（Anthropic）——Elo 1469
- Grok-4.1（xAI）——Elo 1466
可以看到，Google 的 Gemini 3 系列几乎包揽前三，尤其是旗舰版 Gemini-3-Pro 以明显优势领跑，说明它在复杂推理、长上下文处理上特别受用户青睐。xAI 的 Grok 4.1 系列紧随其后，特别是开启 Thinking（链式思考）模式后表现更强，体现了 Elon Musk 团队在实时信息与幽默风格上的独特优势。Anthropic 的 Claude Opus 新版也非常强劲，长期以来以安全、可靠著称。
整体来看，2026 年初的文本大模型已经进入 Elo 1400+ 时代，前十名差距很小，说明顶级模型实力趋于接近，Google 暂时占据明显领先位置。
WebDev Leaderboard：编程与网页开发，Anthropic 意外夺冠
WebDev Leaderboard 专门测试模型在网页开发、代码生成、交互应用构建等实际编程任务上的能力，投票数近 10 万次，非常贴近开发者真实需求。
最新前五名：
- Claude-Opus-4-5-Thinking-32K（Anthropic）——Elo 1511，大幅领先
- GPT-5.2-High（OpenAI）——Elo 1481
- Claude-Opus-4-5（Anthropic）——Elo 1479
- Gemini-3-Pro（Google）——Elo 1468
- Gemini-3-Flash（Google）——Elo 1455
这里最亮眼的是 Anthropic 的 Claude Opus 系列直接包揽前两名（含 Thinking 模式），Elo 高达 1511，领先第二名 30 分，这在编程领域非常罕见。说明 Claude 在新版中对代码逻辑、调试、复杂前端后端集成的处理特别出色，深受开发者喜爱。OpenAI 的 GPT-5.2 高配版位居第二，延续了 GPT 系列在编程领域的传统优势。Google 的 Gemini 虽然也很强，但暂时落后于前两者。
对开发者来说，这个榜单特别有参考价值——如果你在做网页或全栈开发，优先试试 Claude Opus 新版准没错。
