2026年9月AI大模型排行榜：Claude Fable 5.1登顶

概述

2026年9月，人工智能大模型领域的竞争格局发生显著变化，Anthropic发布的Claude Fable 5.1在多项权威评测中登顶，确立其行业领先地位。这一结果打破了此前OpenAI GPT-6系列主导头部排名的局面，显示出闭源模型在复杂推理与通用能力上的新一轮突破。

目前行业内尚未形成统一的标准排名体系，因此本次榜单综合了Artificial Analysis智能指数与**LMArena（原Chatbot Arena）**两大具有代表性的评估维度，分别从客观基准测试与用户主观偏好两个视角呈现最新技术态势。

综合排名双维解析

AA Intelligence Index通过编程、数学、科学、推理等10项标准化评测汇总得分，侧重衡量模型的客观硬实力。截至2026年9月13日的数据更新显示，Claude Fable 5.1以53分的高分位居榜首，与GPT-6 Astra在不同模式下的得分并列第一梯队。紧随其后的是Claude Opus 5 (max)与Claude Fable 5，Anthropic家族包揽前五名中的四席，展现出强劲的技术迭代能力。

另一方面，LMArena基于全球用户匿名盲测的Elo评分反映了真实使用场景下的体感质量。9月11日的更新数据显示，Claude Fable 5以1506分的Elo值排名第一位，Claude Opus 4.6 (high)以微弱差距位列第二。值得注意的是，Facebook AI研究实验室的Muse Spark 1.2 (xhigh)进入前五，显示出开源生态中新兴力量的崛起。

单项能力榜单动态

在细分能力赛道，各厂商竞争激烈，新模型频繁上榜。代码能力方面，DeepSeek V4.1 Flash作为新上榜模型表现亮眼，以3471分位居第一，显示出中国开发者社区在编程大模型领域的快速追赶。Google Deep Mind的Gemini 3 Deep Think与DeepSeek V3.2 Speciale分别位列二、三位。

数学能力榜单由xAI的Grok 4 Heavy以满分100领跑，Google的Gemini 2.5 Deep Think与OpenAI的GPT-5 Codex分列二、三位。Moonshot AI的Kimi K2 Thinking凭借Long-CoT技术进入前八，彰显长思维链策略在复杂数学推理中的有效性。

Agent能力方面，Claude Fable 5以85分高居榜首，OpenAI的o3-pro与Moonshot AI的Kimi K3紧随其后。阿里巴巴Qwen3.8-27B作为新上榜模型位列第四，Google Gemini 3.6 Flash同样首次进入前十，反映出多智能体协作能力正成为新的竞争焦点。

主流模型参数对比

从大规模性能评测来看，Claude Fable 5.1在HLE基准上取得65.00分的最高分，Anthropic的Claude Mythos Preview以64.70分紧随其后。DeepSeek-V4.1-Flash以63.90分成为最佳开源模型，同时位列国产模型之首，其免费商用许可进一步推动了开源生态的发展。

智谱AI的GLM-5.3以62.50分进入前五，腾讯AI实验室的Hy4 preview以55.40分入围，国内头部厂商在自研基座模型上的投入正逐步转化为实测成绩。整体来看，顶级模型的HLE分数普遍集中在50分以上区间，技术差距正在缩小，综合推理能力已成为决定排名的关键因素。