AI 大模型周榜：國產 glm-5.3-max 首秀闖入綜合榜前 15，kimi-k3-max 衝進前十
國產大模型雙雙發威：glm-5.3-max 初登場即闖進綜合榜前15，kimi-k3-max 穩步攀升至第十 最新一期的 AI 大模型 Arena 排行榜正式出爐，本週榜單迎來兩款備受矚目的國產模型，為國際評測舞台注入新的話題。其中，由智譜 AI 推出的 glm-5.3-max 首次亮相便展現出強勁的競爭力，直接殺入綜合榜前 15 名，以第 13 名的成績寫下亮眼的開局；而月之暗面旗下的 kimi-k3-max 則延續先前的上升勢頭，成功擠進前十，最終站上第 10 名位置。兩款國產大模型在最新一期榜單中雙雙寫下佳績，成為本週 AI 圈最受矚目的焦點之一。
Arena 排行榜是國際上具公信力的大模型評測平台，透過多項指標綜合評估各模型的語言理解、推理、生成、對話等能力，長期以來被視為觀察 AI 模型技術進展的重要風向標。此次 glm-5.3-max 首度參賽即進入前 15 強，不僅凸顯該模型在關鍵技術上的突破，也讓外界看到中國大模型在國際評測中競爭力持續提升的趨勢。智譜 AI 推出的 glm-5.3-max 屬於該公司最新一代的旗艦模型，在訓練數據、模型架構與推理效率上進行了全面優化。雖然官方尚未公布詳細的技術細節，但從榜單成績來看，其在多項子任務中的表現已能與國際一線模型抗衡。業界分析指出，glm-5.
3-max 能夠在初次亮相就獲得第 13 名，代表其核心能力已獲得國際評測機構的客觀肯定，這對於國產大模型的全球推廣具有重要意義。另一款表現同樣出色的國產模型是月之暗面旗下的 kimi-k3-max。該模型在本週排行榜中展現出穩步攀升的趨勢，從前幾週的排名持續前進，最終成功擠進綜合榜前十，以第 10 名的成績寫下新的里程碑。kimi-k3-max 是月之暗面在長文本處理與多輪對話領域的旗艦產品，自推出以來便以卓越的上下文理解能力受到市場關注。此次在 Arena 排行榜中進入前十，也進一步印證了該模型在真實應用場景中的實力。值得注意的是，兩款國產大模型同時在國際評測中取得佳績，並非偶然。
近年來，中國 AI 公司在基礎模型研發上投入大量資源，從數據清洗、訓練演算法到推理優化，逐步建立起完整的技術體系。智譜 AI 與月之暗面分別代表不同的技術路線與應用場景：前者以通用大模型為核心，強調多任務適應能力；後者則專注於長文本與複雜對話場景，兩者互補，共同展現了國產模型在多元化技術方向上的突破。從本週榜單的整體格局來看，傳統的歐美大模型依然佔據榜單前列，但國產模型的追趕速度明顯加快。glm-5.3-max 首次入榜即進入前 15，kimi-k3-max 則站穩前十，顯示國產模型在國際評測中的能見度與實力正逐步獲得認可。
業內人士認為，隨著更多國產模型參與國際評測，未來榜單的競爭態勢將更加激烈，中國大模型在全球範圍內的影響力也將持續擴大。除了榜單排名本身，兩款模型背後的研發團隊也受到關注。智譜 AI 是國內最早投入大模型研發的團隊之一，其推出的 GLM 系列模型在學術界與產業界均有廣泛應用。glm-5.3-max 作為最新迭代版本，在效能與穩定性上進行了深度調校，此次在 Arena 排行榜中的表現，無疑為該系列的技術路線提供了強有力的背書。月之暗面則以 kimi 系列產品在消費級市場打響名號，kimi-k3-max 的快速攀升，也反映出該公司在產品化與使用者體驗上的持續優化。
對於整個 AI 產業而言，大模型的評測排名不僅是技術實力的直接體現，更影響著企業的商業合作與生態佈局。優秀的榜單成績往往能吸引更多開發者與合作夥伴，加速模型在實際場景中的落地。可以預見，glm-5.3-max 與 kimi-k3-max 在本次榜單中的優異表現，將為智譜 AI 與月之暗面帶來更多國際關注與合作機會。隨著大模型領域的競爭日益白熱化，國產模型在國際評測中的頻頻亮相，已成為觀察中國 AI 技術發展的重要窗口。從最初的追趕者到現在能夠與國際一流模型同場競技，國產大模型的進步有目共睹。本週 glm-5.
3-max 與 kimi-k3-max 的雙雙發威，無疑為中國 AI 產業注入了一劑強心針，也讓外界對後續榜單的變化充滿期待。未來，隨著更多國產模型加入評測陣容，Arena 排行榜的格局或許將迎來更深層次的改寫。
Related
相關文章
Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3
Mistral AI has released Timestral, its first family of time series foundation models. Timestral is a set of 4 zero-shot forecasting models from Mistral AI, sized from 5M to 209M parameters.
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。