Wikiprompt
Blog›Benchmarks

# LLM基准快照：2026年8月30日

六款LLM排行榜的每周冻结快照：Opus 5 在文本竞技场中独占鳌头，Fable 5 稳居 LiveBench 榜首，gpt-5 继续领跑 Aider 编程，而各数据源之间仍存在分歧。

# LLM基准快照：2026年8月30日

LLM基准快照：2026年8月30日

每周日，Wikiprompt都会冻结各大LLM排行榜的快照。这是截至2026年8月30日当周的快照，包含六个来源的14,164条记录，可在/benchmarks/snapshot/2026-08-30完整浏览。

各来源领先者

  • LMArena（文本）：claude-opus-5-max以最高Elo（1504.7）位居榜首，略高于claude-opus-5-high（1503.6），上一代claude-opus-4-6-high仍保持第三名。
  • LMArena（网页开发）：claude-opus-5-max以大幅优势领先（1690.6），kimi-k3-max（1673.7）和qwen3.8-max（1668.9）是最强的开源权重挑战者。
  • LiveBench：claude-fable-5-max-effort位居第一（83.4），领先于gpt-5.6-sol-max（81.7）和gpt-5.5-xhigh（80.8）。
  • BenchLM：Claude 5系列横扫领奖台，Mythos 5（83.4）、Fable 5（83.2）、Opus 5（83.1），彼此仅差零点几分。
  • Aider polyglot（编码）：gpt-5（high）以88.0%的通过率仍是编码基准之王，领先于gpt-5（medium）和o3-pro（high）。
  • Artificial Analysis智能指数：Claude Opus 5在最大努力设置下领先（63.1），Fable 5变体紧随其后。

    • 与上周相比的变化

    文本竞技场的桂冠在同一家族内部易主：claude-opus-5-high（上周1504.2）被claude-opus-5-max（1504.7）以微弱优势超越。统计上这如同抛硬币，编辑上则提醒我们，在榜单顶端，努力设置现在与模型选择同等重要。

    各来源仍存在分歧

    与每周一样，没有两个排行榜会选出相同的冠军：LMArena的社区Elo偏爱Opus 5，LiveBench的无污染学术测试集偏爱Fable 5，而Aider的真实编码测试仍属于gpt-5。在选择之前请交叉参考，这正是比较视图的用途。

    浏览完整的带日期表格，请访问/benchmarks/snapshot/2026-08-30，或查看整个存档，请访问/benchmarks/history。

    Tags
    benchmarks·llm·leaderboard·weekly

    Related Articles