AI 大模型周榜：代碼榜榜首易主，claude-opus-4-7-thinking 登頂

AI 大模型評測平台 Arena 於近日發布最新一周的榜單，統計區間為 2026 年 7 月 6 日至 7 月 12 日。本週榜單最顯著的變化來自代碼能力排行，原本位居第二的 claude-opus-4-7-thinking 一舉躍升榜首，而前一周的冠軍 claude-fable-5 則大幅滑落至第五名。綜合能力方面，榜首仍由 claude-fable-5 蟬聯，整體來看，Anthropic 推出的模型在多個關鍵榜單中都占據了頭部位置。 綜合能力榜方面，前五名全部由 Anthropic 旗下的模型包攬。claude-fable-5 以 ELO 分數 1505 分繼續穩坐第一位，雖然比上週下降了 4 分，但領先幅度依然足夠。緊隨其後的分別是 claude-opus-4-6-thinking（1504 分）、claude-opus-4-7-thinking（1503 分）、claude-opus-4-6（1498 分）以及 claude-opus-4-7（1494 分）。這五款模型的分數差距都在 30 分以內，在統計誤差範圍內可視為並列水準。排名第六的 muse-spark-1.1 較上週下降一位，其餘頭部廠商的模型排名變動不大。 在國產模型的表現方面，綜合能力榜前 30 名中僅有三款中國模型上榜，整體排名與上週大致持平。表現最佳的是阿里旗下 qwen3.7-max-preview，以 1475 分位列第 17 名，排名不變。智譜的 glm-5.1 以 1472 分排在第 25 名，較上週下滑 3 名。百度的 ernie-5.1 則以 1468 分排在第 30 名，排名與前一週相同。 代碼能力榜是本次榜單變化最大的領域。原本排名第二的 claude-opus-4-7-thinking 上升一位，以 1553 分的 ELO 分數奪冠。原本的榜首 claude-fable-5 不僅失去第一，還一口氣跌至第五名，分數從 1563 分降至 1546 分，跌幅達 17 分，變化十分明顯。第二名至第四名分別為 claude-opus-4-6-thinking（1550 分）、claude-opus-4-7（1550 分）、claude-opus-4-6（1547 分），前五名依然全部由 Anthropic 的模型占據，且分數差距在 10 分以內，表現非常接近。值得注意的是，grok-4.5 在本週排名上升 5 位至第 14 名，成為該榜單中漲幅最大的模型之一。 國產模型在代碼榜中共有五款入榜。其中 qwen3.7-max-preview 排名最高，以 1526 分排在第 12 名，較上週下降兩位。智譜的 glm-5.1 以 1521 分排在第 18 名。小米旗下 mimo-v2.5-pro 則以 1518 分排在第 23 名，較上週下滑 6 名。月之暗面的 kimi-k2.6 與百度的 ernie-5.1 雙雙以 1514 分排在第 25 及第 26 名，兩者均較上週上升 3 個名次。智譜另一款模型 glm-5.2 (max) 以 1513 分排在第 27 名，較上週下降 6 名。 數學能力榜本週榜首也出現更替。claude-fable-5 從第二名上升至第一名，ELO 分數大幅提升 31 分達到 1548 分。原榜首 claude-opus-4-6-thinking 則降至第二名，分數維持在 1518 分不變。國產模型中，ernie-5.1 排名上升 2 位至第 14 名，qwen3.7-max-preview 則下降一位至第 11 名，不過分數差距都在誤差範圍內，實際表現差異不大。 高難度指令榜方面，頭部同樣出現位置互換。claude-opus-4-6-thinking 從第二名升至榜首，claude-fable-5 則從第一降至第二，但兩者分數同為 1532 分，在統計誤差內可視為並列。整體榜單變動幅度不超過 3 個名次，格局相對穩定。國產模型部分，qwen3.7-max-preview 排名第 19 位，分數微漲 1 分；glm-5.1 排第 21 名；glm-5.2 (max) 則排在第 30 名，分數無變化。 多輪對話能力榜本週變動較為明顯。原本的榜首 claude-fable-5 下跌 3 個名次來到第四名，而 claude-opus-4-7 則上升 1 位成功登頂。muse-spark-1.1 從第 13 名大幅升至第 8 名，是該榜單中漲幅最突出的模型。國產模型 qwen3.7-max-preview 排名第 22 位，分數同樣微漲 1 分。 綜合本週榜單可以發現，Anthropic 的模型在綜合、代碼、數學等多個核心維度依舊占據絕對優勢，特別是頭部前幾名幾乎都由其產品包攬，美國廠商整體在評測中的主導地位仍未動搖。國產模型方面，整體表現穩定於中上游區間，其中阿里 qwen3.7-max-preview 在多個榜單中都保持領先國產模型的位置，展現出持續的競爭力。此外，代碼榜中 kimi-k2.6 與 ernie-5.1 的排名均有上升，顯示部分國產模型在特定能力上正逐步追近。後續新入圍模型的表現，以及國產模型能否進一步挑戰頭部位置，將是值得關注的焦點。