9月2日，Arena（arena.ai）公布2026年第35周（8月24日～8月30日）AI大模型盲测排行榜。这期榜单最大的看点在国产模型：智谱GLM-5.3-Flash首次入榜就冲进代码榜第7名，阿里Qwen3.8-Max-0902首秀直接登顶前端开发榜，腾讯Hy4-Preview拿下第8。一份靠全球用户匿名投票投出来的榜单，正在给出实验室基准测试之外的第二意见。
代码榜：0.15美元的模型，挤进5美元模型的梯队
Arena代码榜头部依然被Anthropic垄断。Claude-Opus-4.7-high以1552分（ELO）稳居第一，前三名分差只有1分，基本算并列。
真正的新闻在第7名。GLM-5.3-Flash首次入榜，ELO 1535分（±18），排在它前面的国产模型只剩月之暗面的Kimi-K3-Max（第6名，1542分）。这个分数压过了Claude-Opus-4.8-high（1534分）、Meta的Muse-Spark-1.2 xHigh（1534分）和Claude-Opus-5-high（1533分）。
看价格更能品出味道。GLM-5.3-Flash输入0.15美元/百万Token、输出0.50美元/百万Token；Claude-Opus系列输入5美元、输出25美元。输出单价相差50倍。
按一次典型代码Agent任务算账：10万输入Token加1万输出Token，GLM-5.3-Flash标准价花0.02美元，Claude-Opus-4.7花0.75美元。同一个任务，账单差出37倍。
前端榜：Qwen3.8-Max-0902首秀即登顶
前端开发榜的变化更猛。阿里Qwen3.8-Max-0902第一次入榜就以1691分拿下榜首，把此前的Claude-Opus-5-Max（1687分）挤到第二。Kimi-K3-Max第3（1674分），Qwen3.8-Max第4（1669分）。
国产新模型在前端榜前12名里占了4席：Qwen3.8-Max-0902（第1）、腾讯Hy4-Preview（第8，1627分）、Qwen3.8-flash-next（第9，1622分）、GLM-5.3-Flash（第12，1604分）。这个细分赛道，国产模型已经拿下半壁江山。
模型本身：320B参数，18B激活
GLM-5.3-Flash是智谱8月26日发布的模型，总参数320B，激活参数18B，MoE架构，上下文窗口1M，权重以MIT协议开源。
能力定位上，第三方实测给出的画像比较清晰：AA综合智能指数57分，和GPT-5.6-Terra大致同档，略低于GLM-5.3本体；DeepSWE真实工程任务得分63.4%。官方口径称其整体能力与Claude-Opus-4.8持平，这个说法在Arena代码榜上得到了用户投票的侧面印证。
价格是它最凶的部分。GLM-5.3-Flash定价为GLM-5.3的1/10，发布期五折促销到9月9日24时：输入0.075美元、缓存输入0.015美元、输出0.25美元。折算下来，促销期实际价格约为GLM-5.3的1/20、Opus-4.8的1/40。
缓存那一栏要单独算。长上下文Agent任务的输入高度重复，缓存读取价0.03美元（促销期0.015美元）才是这类场景的成本大头。做Agent开发的团队，选型前先把这一栏算清楚。
盲测榜的正确打开方式
ELO榜单有局限，用之前先明白三点。
第一，它来自匿名盲测投票，反映用户主观偏好。第三方的真实评测分数和投票热度是两回事。
第二，新模型票数少，置信区间宽。GLM-5.3-Flash在代码榜的置信区间是±18分，只有1213票。分差落在误差范围内的排名，榜单自己也标注为并列。
第三，榜单周周在变。GLM-5.3-Max本周在综合榜掉4位到第17，小米mimo-v2.5-pro在代码榜升3位到第24。单周排名说明不了趋势，连续几周的位置才有参考价值。
开发者怎么用这波红利
给一个务实的选型建议。
日常代码补全、批量重构、测试生成，这类跑量任务交给GLM-5.3-Flash或Qwen3.8-flash-next（输入0.16美元、输出0.47美元），成本能砍一个数量级。架构设计、疑难Debug、跨文件大改动，再切Claude-Opus或GPT-5.6-Terra这类旗舰。
一句话总结本周榜单：头部依然姓Anthropic，但第6到第12名这块地带，国产模型已经用1/10到1/40的价格站稳了脚跟。9月9日促销截止，想验证便宜模型能不能扛主力的团队，这几天是试错成本最低的窗口。
苏公网安备32010502011527号
发表回复