2026年11月3日LLM基准快照：Gemini 4 Carbon称霸文本竞技场

我们的基准测试页面在每次每日运行时都会截取公共LLM排行榜的快照，每个快照都保留其自己的永久URL。这是2026年11月3日那一周的照片，与上次每周帖子（9月22日）和10月25日的快照进行了对比。

头条新闻：Gemini 4 Carbon 占据文本竞技场

在LMArena文本排行榜上，Gemini 4 Carbon (High) 自10月29日以来的每次快照中都保持第一的位置，Elo分数约为1540。它取代了其兄弟型号 Gemini 4 Argon (High)，后者在10月大部分时间领先，现在以约1529分位居第二。Claude Opus 5.5 (High) 以约1516分排名第三。

作为背景，9月22日的快照中，Claude Fable 5.1和Claude Opus 5变体位居榜首，分数都在1505左右。六周内，最高分上升了约35分，并且领先者更换了家族。

BenchLM 也同意，但差距很小

BenchLM的总体排行榜也将 Gemini 4 Carbon 列为第一（88.4），其次是 Claude Opus 5.5（86.3）和 GPT-6 Astra（86.1）。在10月25日，Carbon尚未出现时，Claude Opus 5.5以86.6领先。今天第二和第三之间的差距只有零点几分，因此将领先者以下的顺序视为并列。

WebDev 仍然是 Claude 的领地

LMArena WebDev竞技场没有易主：Claude Opus 5.5 (Max) 以约1810分领先，GPT-6 Astra (Max) 以约1773分紧随其后，Claude Sonnet 5.5 (xHigh) 以约1770分紧随其后。同样的前三名在10月25日也保持。回到9月，GPT-6 Astra曾领先此榜单，因此Anthropic在这里的领先地位始于Opus 5.5发布。

Aider polyglot 冻结

Aider polyglot编码排行榜数周未更新新的前沿模型：GPT-5 (high) 为88.0，GPT-5 (medium) 为86.7，o3-pro (high) 为84.9，与9月完全相同。将其视为历史参考，而非当前排名。

来源不一致，这正是重点

同一周，根据查看位置不同，有三个不同的领先者：Gemini 4 Carbon在一般聊天偏好和BenchLM的汇总中领先，Claude Opus 5.5在网页开发中领先，而一个几个月前的GPT-5在过时的编码板上领先。没有单一数字能告诉你该使用哪个模型。选择与你的任务匹配的排行榜，并检查它是否仍在更新。

一个数据说明：自10月18日快照以来，我们的LiveBench feed没有返回任何行，因此LiveBench在此比较中缺失。

探索数据