LLM 月度榜单2026 年 7 月

1. 1

   Claude Opus 5 Anthropic

   7 月 24 日发布。以 61 分夺回 AA Intelligence Index 榜首——价格只有 Mythos-class 梯队的一半。

   • Intelligence Index：61（max）/ 60（xhigh）
   • SWE-bench Verified 约 96%
   • $5 / $25 每百万 tokens
   • 1M 上下文
   • 发布日期 2026-07-24
   61
2. 2

   Claude Fable 5 Anthropic

   6 月 9 日 Mythos-class 首发；Opus 5 发布后居总榜第 2（60 分）。6 月曾短暂出口管制，6 月 23 日恢复。

   • Intelligence Index：60
   • Humanity's Last Exam：53%
   • Mythos-class 安全防护
   • 1M+ 上下文 · 自适应推理
   • 发布日期 2026-06-09
   60
3. 3

   GPT-5.6 Sol OpenAI

   6 月 26 日预览，7 月 9 日全面开放。Sol/Terra/Luna 分层家族；Sol max 得分 59，Terminal-Bench 2.1 达 88.8%。

   • Intelligence Index：59（max）
   • Terminal-Bench 2.1：88.8%
   • $5 / $30 每百万 tokens
   • 1M 上下文
   • 2026-07-09 全面开放
   59
4. 4

   Kimi K3 Moonshot AI

   7 月 17 日发布。2.8T 参数开源权重 MoE——首个进入前沿梯队的开源模型，同时登顶 LMArena WebDev。

   • Intelligence Index：57（开源第 1）
   • 2.8T MoE · 1M 上下文
   • LMArena WebDev 第 1
   • 开放权重
   • 发布日期 2026-07-17
   57
5. 5

   Grok 4.5 xAI

   7 月 8 日发布，$2/$6 每百万 tokens——前沿梯队里最便宜的推理模型。

   • 激进定价：$2 / $6 每百万
   • 常驻推理 · 1M 上下文
   • agentic 与工具调用强
   • 发布日期 2026-07-08
   53

截至 2026-07-27，Claude Opus 5（Anthropic，2026-07-24 发布）以 Intelligence Index 61（最大模式）领衔 Artificial Analysis 总榜，超过 Claude Fable 5（60）、GPT-5.6 Sol（OpenAI，59）与开源模型 Kimi K3（Moonshot AI，57）。Opus 5 定价 $5 输入 / $25 输出每百万 tokens——约为 Mythos-class 梯队的一半。

1. 1

   GPT Image 2 OpenAI

   登顶 AA 文生图 Arena（ELO 1338），叠加既有生态与定价优势。

   • AA 文生图 Arena ELO：1338（第 1）
   • 按 token 计费
   • Batch 接口 50% 折扣
   • 高保真输入
   • 发布日期 2026-04-21
   1338
2. 2

   Reve 2.1 Reve

   7 月 9 日发布。凭借分层生成与 $24/千图的颠覆性定价，发布当天空降 AA 榜第 2。

   • AA 文生图 Arena ELO：1301（第 2）
   • 分层生成
   • $24 / 千图
   • 首发即一线质量
   1301
3. 3

   Seedream 5.0 Pro ByteDance

   7 月 8 日发布。图层分离 + 顶级文字渲染，跻身 AA 榜前 10。

   • AA 文生图 Arena ELO：1239（前 10）
   • 图层分离
   • 文字渲染强
   • $90 / 千图
   1239

截至 2026-07-27，GPT Image 2（OpenAI）以 ELO 1338 居 Artificial Analysis 文生图 Arena 榜首，领先 Reve 2.1（1301，2026-07-09 发布）与 MAI-Image-2.5（微软，1269），Seedream 5.0 Pro（字节跳动，1239）居前十。Black Forest Labs 于 2026-07-23 限量发布 FLUX 3——覆盖图像、20 秒视频与音频的 omni 模型。

1. 1

   Gemini Omni Flash Google

   以 ELO 1240 登顶 AA 文生视频 Arena（含音频）——Google 首个拿下音画同步冠军的模型。

   • AA 含音频视频榜 #1 · ELO 1240
   • 原生音画同步
   • Gemini Omni 全家桶集成
   • 接口 现成可用
   1240
2. 2

   Seedance 2.0 / 2.5 ByteDance

   2.0 以 ELO 1225 退居第 2；2.5（原生 30 秒、4K/10bit、50 个参考输入）自 7 月 16 日灰度，尚未入榜。

   • AA 含音频视频榜 ELO：1225（第 2）
   • 2.5：原生 30 秒 4K/10bit
   • 多模态输入（文/图/音/视频）
   • 双分支扩散 Transformer
   1225
3. 3

   Kling 3.0 Pro Kuaishou 快手

   6 月 17 日 Turbo 升级，守住亚太短视频性价比位；3.0 线原生 4K/60fps。

   • AA 含音频视频榜 ELO：1110
   • 3.0 Turbo：最快迭代
   • 原生 4K/60fps（3.0 线）
   • 原生抖音 / TikTok 风格
   1110

截至 2026-07-27，Gemini Omni Flash（Google）领跑文生视频，在 Artificial Analysis 文生视频 Arena（含音频）以 ELO 1240 居第 1，领先 Seedance 2.0（字节跳动，1225）与 Wan 2.7（阿里巴巴，1160）。字节跳动于 2026-07-16 开始灰度 Seedance 2.5，支持原生 30 秒 4K/10bit 输出。OpenAI Sora 接口 将于 2026-09-24 停止服务。

1. 1

   Claude Opus 5 Anthropic

   发布当天 SWE-bench Verified 约 96%（独立评测最高 97.0%）——代码新前沿。

   • SWE-bench Verified：约 96%（第 1）
   • $5 / $25 每百万 tokens
   • 长程 agentic 编辑
   • 1M 上下文
   • 发布日期 2026-07-24
   96
2. 2

   Kimi K3 Moonshot AI

   以 1679 分登顶 LMArena WebDev——首个居该榜第 1 的中国模型。开放权重，独立评测 SWE-bench Verified 93.4%。

   • LMArena WebDev：1679（第 1）
   • 开放权重 · 2.8T MoE
   • SWE-bench Verified：93.4%
   • $3 / $15 每百万 tokens
   • 发布日期 2026-07-17
   1679
3. 3

   Claude Fable 5 Anthropic

   SWE-bench Verified 95%；最难多文件、长程任务的 Mythos-class 天花板。

   • SWE-bench Verified：95%
   • Mythos-class agentic coding
   • 1M+ 上下文
   • 6 月出口暂停后已恢复
   95
4. 4

   GPT-5.6 Sol OpenAI

   Terminal-Bench 2.1 达 88.8%——沙盒终端 Agent 最强；SWE-bench Pro 64.6%。

   • Terminal-Bench 2.1：88.8%（第 1）
   • SWE-bench Pro：64.6%
   • 内置沙盒 Shell
   • 2026-07-09 全面开放
   88.8

截至 2026-07-27，Claude Opus 5（Anthropic，2026-07-24 发布）以 SWE-bench Verified 约 96% 领跑 agentic coding，为历史最高分。Kimi K3（Moonshot AI，开放权重）以 ELO 1679 登顶 LMArena WebDev——首个居该榜第 1 的中国模型——领先 Claude Fable 5（1631）与 GPT-5.6 Sol（OpenAI，1618）。GPT-5.6 Sol 同时以 88.8% 领跑 Terminal-Bench 2.1，是沙盒终端 Agent 最强。

1. 1

   Realtime 2 OpenAI

   仍是 agentic 语音默认选择。可配置推理 speech-to-speech，配套 translate / Whisper 流式变体。

   • 可配置推理
   • speech-to-speech agent
   • 流式翻译变体
   • 流式 STT 变体
   • 发布日期 2026-05-07
2. 2

   Qwen-Audio-3.0-TTS-Plus Alibaba

   以 ELO 1234 登顶 AA TTS 榜——中国厂商首个 TTS 冠军。

   • AA TTS ELO：1234（第 1）
   • 2026 年 7 月发布
   • 多语言 + 中日韩强势
   • 阿里云原生
   1234
3. 3

   ElevenLabs v3 ElevenLabs

   AA TTS 滑到第 11，但仍是角色声音克隆默认；新增 Scribe v2 realtime 与 Music v2 接口。

   • 角色声音克隆 SOTA
   • Scribe v2 realtime STT（2.2% WER）
   • Music v2 接口（6 月 15 日）
   • 100+ 语言

截至 2026-07-27，OpenAI Realtime 2 仍是 agentic 语音 speech-to-speech 领先模型。阿里 Qwen-Audio-3.0-TTS-Plus 以 ELO 1234 居 Artificial Analysis TTS 榜首，领先 Speechify Simba 3.2（1230）与 Gemini 3.1 Flash TTS（1215）。Fun-Realtime-ASR-preview 以 1.7% WER 领跑语音转文字，领先 ElevenLabs Scribe v2（2.2%）。

1. 1

   Suno v5.5 Suno

   仍是 Suno 最新版本——v6 并未发布。整曲连贯与歌词韵律最佳。

   • 整曲连贯 SOTA
   • 歌词韵律最佳
   • 多语言演唱
   • 风格迁移
2. 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
3. 3

   ElevenLabs Music v2 ElevenLabs

   6 月 15 日上线 接口。基于授权曲库的音乐生成，支持微调。

   • 接口 优先的音乐生成
   • 授权曲库
   • Music Finetunes 接口
   • 与 ElevenLabs 语音栈集成

截至 2026-07-27，Suno v5.5 仍是领先的音乐生成模型——传闻中的 Suno v6 并未发布。ElevenLabs 于 2026-06-15 将 Music v2 上线 接口；Udio v3 在录音棚级混音与分轨输出上保持领先。Google Lyria 已并入 Gemini Omni，承担跨模态（图/视频/音乐）业务流程。

1. 1

   Claude Fable 5 Anthropic

   以 1327 分登顶 LMArena Vision（7 月 12 日按新票仓重算）——同时领跑文本竞技场。

   • LMArena Vision ELO：1327（第 1）
   • 文本竞技场同居第 1
   • OCR + 文档理解 SOTA
   • 1M+ 上下文
   1327
2. 2

   Claude Opus 5 Anthropic

   新多模态旗舰，Vision 榜上距 Fable 5 仅约 15 ELO。

   • 前沿多模态理解
   • 文档问答 + 图表
   • $5 / $25 每百万 tokens
   • 发布日期 2026-07-24
3. 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

截至 2026-07-27，Claude Fable 5（Anthropic）以 ELO 1327 居 LMArena Vision 榜首，Claude Opus 5 与 GPT-5.6 Sol（OpenAI）在约 15 分以内紧随其后。Fable 5 同时占据文本竞技场第 1。Gemini 3.1 Pro（Google）仍是视频理解领先者。

1. 1

   Kimi K3 Moonshot AI

   AA Intelligence Index 57 居开源榜首——全球第 3，距闭源前沿仅 4 分。同时登顶 LMArena WebDev。

   • AA Intelligence Index：57（开源第 1）
   • 2.8T MoE · 1M 上下文
   • LMArena WebDev 第 1
   • $3 / $15 每百万 tokens
   • 发布日期 2026-07-17
   57
2. 2

   Kimi K2.6 Moonshot AI

   前任开源之王，现在是 K 系的性价比之选：Index 54，输出价仅为 K3 的 1/4。

   • AA Intelligence Index：54
   • 开源权重
   • 输出约 $4 / 百万（K3 为 $15）
   • 中英双强
   54
3. 3

   DeepSeek V4 Pro DeepSeek

   MIT 开源权重，AA Intelligence Index 52——便宜的前沿级推理默认。满血 V4 仍只是传闻。

   • AA Intelligence Index：52
   • MIT 许可 · 开放权重
   • $0.435 / $0.87 每百万
   • 1M tokens 上下文
   52
4. 4

   Gemma 4 12B Google

   Apache 2.0 开放权重。encoder-free 原生多模态，256K 上下文，16GB 笔记本即可本地跑。

   • 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

截至 2026-07-27，Kimi K3（Moonshot AI，2026-07-17 发布）以 Artificial Analysis Intelligence Index 57 居开源权重模型榜首——全球第 3，距闭源前沿（Claude Opus 5，61）仅 4 分。该 2.8T 参数 MoE 提供 1M token 上下文，定价 $3/$15 每百万 tokens，并在 LMArena WebDev 排名第 1。Kimi K2.6（54）与 DeepSeek V4 Pro（MIT，52）组成开源第一梯队其余席位；Google Gemma 4 12B（Apache 2.0）仍是端侧多模态首选。

1. 1

   DeepSeek V4 Flash DeepSeek

   每美元智能之王，自 4 月未调价。Index 47，$0.14/$0.28 每百万 tokens——约为同档 Flash 旗舰的十分之一。

   • AA Intelligence Index：47
   • $0.14 输入 / $0.28 输出 每百万
   • 混合 ≈ $0.06 / 百万
   • MIT 开源权重 · 1M 上下文
   47
2. 2

   DeepSeek V4 Pro DeepSeek

   高智能 + 低价象限的最佳平衡。Intelligence Index 52，$0.435/$0.87——仅为同档旗舰的零头。

   • AA Intelligence Index：52
   • $0.435 输入 / $0.87 输出 每百万
   • 前沿级推理
   • MIT 开源权重
   52
3. 3

   MiniMax M3 MiniMax

   SWE-bench Verified 80%+ 里最便宜的模型。上市促销结束，现为 $0.60/$2.40 标准价。

   • SWE-bench Verified：80%+
   • $0.60 输入 / $2.40 输出 每百万
   • 最便宜的 agentic 可用梯队
   • 开放权重

截至 2026-07-27，DeepSeek V4 Flash 以 Artificial Analysis Intelligence Index 47、$0.14 输入 / $0.28 输出（每百万 tokens）领跑性价比——混合成本约 $0.06 / 百万，约为同级旗舰的十分之一。价格自 4 月未变；旧 deepseek-chat 与 deepseek-reasoner 别名于 2026-07-24 退役。MiniMax M3（$0.60/$2.40）是 SWE-bench Verified 80% 以上最便宜的模型；GLM-5.2 已开放按量 接口（$1.40/$4.40）。