QUICK ANSWER
截至 2026-06-10，Claude Fable 5（Anthropic，2026-06-09 发布）以 Intelligence Index v4.0 综合得分 65（自适应推理最大模式）领衔 Artificial Analysis 总榜，超过 Claude Opus 4.8（61.4）、GPT-5.5 xhigh（OpenAI，60.2）、Gemini 3.1 Pro（Google，57）与 Grok 4.3（xAI，53）。Fable 5 是首个公开发布的 Mythos-class 模型，Humanity's Last Exam 得 53%——领先次席 7 分以上。
Text Generation & Reasoning
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。
本月变化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。
怎么选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。
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）。
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。
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。
强势 agentic 前沿，配套 Antigravity 2.0 平台。
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。
截至 2026-06-10，Claude Fable 5（Anthropic，2026-06-09 发布）以 Intelligence Index v4.0 综合得分 65（自适应推理最大模式）领衔 Artificial Analysis 总榜，超过 Claude Opus 4.8（61.4）、GPT-5.5 xhigh（OpenAI，60.2）、Gemini 3.1 Pro（Google，57）与 Grok 4.3（xAI，53）。Fable 5 是首个公开发布的 Mythos-class 模型，Humanity's Last Exam 得 53%——领先次席 7 分以上。
Image Generation
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。
本月变化2026 年 4 月 21 日发布。token 计费，Batch API 50% 折扣。
怎么选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。
4 月 21 日发布。SOTA 质量 + token 计费 + Batch API 半价。
在 Artificial Analysis 文生图竞技场质量第一。
完全使用授权数据训练；商用版权安全的企业级首选。
截至 2026-06-10，GPT Image 2（OpenAI，2026-04-21 发布）是部署量最大的基础图像模型，采用 token 计费，Batch API 五折。Recraft V4.1 占据 Artificial Analysis 文生图质量榜首；Adobe Firefly 仍是企业版权安全的默认选择。
Video Generation
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。
本月变化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。
怎么选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。
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。
电影级输出，时序连贯最佳。
亚太短视频广告创意一家独大；行业最快迭代节奏。
截至 2026-06-10，Seedance 2.0（字节跳动）领跑文生视频，在 Artificial Analysis 文生视频 Arena（含音频）以 ELO 1215 居第 1——领先 Google Veo。它从文/图/音/视频输入产出 15 秒多镜头、原生音画同步片段。Veo 3.5（Google）领跑无声电影级画质，Kling 4（快手）守住性价比梯队；OpenAI Sora 应用已于 2026-04-26 停服，退出榜单。
Code Generation & 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。
本月变化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。
怎么选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。
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。
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 第 3（6 月 8 日）。专门化终端代码 Agent；AA Intelligence Index 54。
AA Coding Agent Index 第 3。IDE 原生结对，多文件上下文。
截至 2026-06-10，Claude Fable 5（Anthropic，2026-06-09 发布）领跑 agentic coding，在 SWE-bench Pro 榜以 80.3% 居第 1——领先 Claude Opus 4.8（69.2%）与 GPT-5.3 Codex（OpenAI）约 11 分。SWE-bench Pro 使用 1,865 个未污染的多语言任务，分数显著低于仅 Python 的 Verified 集。Cursor Composer 2.5 在 AA Coding Agent Index 上位列 IDE 原生编码 Agent 前列。
Voice / Speech
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。
本月变化Realtime 2 系列 5 月 7 日上线（gpt-realtime-2 / -translate / -whisper）。
怎么选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。
5 月 7 日正式版。可配置推理 speech-to-speech，配套 translate / Whisper 流式变体。
角色声音克隆与有声书制作的行业默认。
AA TTS 榜首。
截至 2026-06-10，OpenAI Realtime 2（2026-05-07 发布）是 agentic 语音 speech-to-speech 领先模型，支持可配置推理。Fun-Realtime-TTS 居 Artificial Analysis TTS 榜首；MAI-Transcribe-1.5 在 STT 准确率-速度上领先。ElevenLabs v3 在角色声音克隆方面仍占主导。
Music Generation
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。
本月变化Suno v6 预计 6 月底滚动发布；v5.5 仍为线上默认。
怎么选整曲生成选 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。
预计 6 月底滚动发布。整曲连贯与歌词韵律最佳。
录音棚级混音，分轨输出。
已并入 Gemini Omni，支持任意输入到音乐 + 跨模态。
截至 2026-06-10，Suno v6（预计 6 月底滚动发布）在整曲生成与歌词韵律上领先；v5.5 仍是线上默认。Udio v3 在录音棚级混音与分轨输出上领先。Google Lyria 已并入 Gemini Omni，承担跨模态（图/视频/音乐）工作流。
Vision / Multimodal Understanding
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。
本月变化LMArena Vision 前 3 全部 Anthropic（1309 / 1303 / 1298 ELO）。
怎么选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。
LMArena Vision 居首。OCR + 图表 + 文档理解最佳。
图像支撑的推理链最强；原生 computer-use 视觉管线。
视频理解与长时序推理最佳。
截至 2026-06-10，Claude Opus 4.7-thinking（Anthropic，LMArena Vision ELO 1309）在视觉与多模态理解领域领先，其次为 Opus 4.6-thinking（1303）与 Opus 4.7（1298）—— Anthropic 横扫 Vision Arena 前 3。Opus 4.8 因刚发布暂未上 Arena ELO。GPT-5.5 在图像支撑的推理链上领先；Gemini 3.1 Pro 在视频理解上领先。
Open-Source / Open-Weights
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。
本月变化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。
怎么选通用开源部署选 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。
AA Intelligence Index 开源权重榜首。距闭源前沿仅 7 分。
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）。
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。
中文自托管部署的最佳开源选择。
截至 2026-06-10，Kimi K2.6（Moonshot AI）以 Artificial Analysis Intelligence Index 54 居开源权重模型榜首，距前沿闭源（Claude Opus 4.8，61）仅 7 分。DeepSeek V4 Pro（DeepSeek，MIT 许可）以 Intelligence Index 52（全榜第 3 / 共 89）居开源模型第 2。Google 于 2026-06-03 以 Apache 2.0 发布 Gemma 4 12B——encoder-free 多模态、256K 上下文、16GB 内存即可运行。Qwen3.7 Plus（阿里巴巴，53）撑起中国开源第一梯队。
Cost-Effectiveness / Value
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。
本月变化新增类目。DeepSeek V4 Flash 领跑每美元智能；开源模型包揽性价比梯队。
怎么选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。
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。
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。
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。
截至 2026-06-10，DeepSeek V4 Flash（DeepSeek）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 tokens，约为同档 Flash 旗舰的十分之一。DeepSeek V4 Pro（Index 52，$0.435/$0.87）与 Qwen3.7 Plus（阿里巴巴，Index 53，$0.40/$1.16）共同组成性价比第一梯队。注意「Flash」「mini」并不代表便宜：Gemini 3.5 Flash 智能 55，但跑一遍 Intelligence Index 的成本高出 20 倍以上。
TRENDS
从各品类的变化里，最值得记住的几件事。
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。
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。
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。
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。
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。
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。
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。
FAQ
如果您还有具体问题，欢迎预约一对一沟通。
每月更新一次。新一期数据发布后，本页会在下一次站点更新时同步。
整理自 Artificial Analysis、LMArena、SWE-bench 等公开榜单与各厂商官方公告，页面底部列出全部来源与统计日期。
榜单反映公开评测表现，实际选择还应结合您的任务类型、预算和数据边界；欢迎预约诊断一起评估。
不建议。各榜单的评分体系不同，请以同一类目内的相对排名为主。
BOOK A CONSULTATION
带上您的团队场景、预算与数据边界，一起评估最值得先试用的方向。