2025年AI大模型格局深度解析：Gemini逆袭、GPT-5遇冷、国产模型崛起！

本文基于三大权威平台数据，盘点2025年AI大模型格局。谷歌Gemini 3在文本对话和多模态领域登顶，OpenAI GPT-5表现不及预期，Anthropic Claude Opus 4.5在代码和智能体任务上称王。国产大模型表现亮眼，在多个领域进入全球前列，尤其在智能体能力方面与顶尖差距缩小。文章为2026年不同场景的模型选择提供了参考指南。

高级绘画师PP

540人浏览 · 2026-01-04 14:43:00

高级绘画师PP · 2026-01-04 14:43:00 发布

2026 年第一天，盘点过去一年的 AI 大模型格局。

这篇文章汇总了 LMArena、LiveBench、Artificial Analysis 三大权威平台截至 2025 年 12 月底的最新排名。

数据量很大，先说结论。

谷歌 Gemini 3 成功逆袭，拿下文本对话和多模态的双料冠军；OpenAI GPT-5 系列不及预期，勉强守住推理和搜索的阵地；偏科生 Anthropic Claude Opus 4.5 在代码和智能体任务上继续称王。

而国产大模型的表现，是今年最大的惊喜。

01｜三大榜单，各测什么？

简单介绍我最常看的三个榜单。

LMArena（原 Chatbot Arena）由加州大学伯克利分校 LMSYS 团队开发，采用类似国际象棋的 Elo 评分系统。

用户在平台上和两个匿名模型对话，投票选出更好的那个。

累计超过 500 万次真人投票，几乎是 AI 领域的「黄金标准」。

它现在细分出多个榜单：Text Arena（文本对话）、WebDev（网页开发）、Vision（视觉理解）、Text-to-Image（文生图）、Image Edit（图像编辑）、Search（搜索能力）。

LiveBench 是一个「防污染」的学术基准测试，已被 ICLR 2025 收录为 Spotlight Paper。

核心特点是每月更新测试题目，来源包括最新数学竞赛（AMC、AIME、IMO）、arXiv 论文、新闻文章等。

所有问题都有客观标准答案，不依赖 LLM 当评委，避免了「AI 评 AI」的偏差。

Artificial Analysis 是独立 AI 模型评测机构。

最新的 Intelligence Index v3.0 综合了 10 项评估，覆盖知识、推理、数学、编程、指令遵循、长文本理解、智能体任务等维度。

三个平台评测方法不同，但互为补充。

一句话总结：「LMArena 测真人偏好，LiveBench 测客观能力，Artificial Analysis 测综合智商。」

02｜文本对话：谷歌 Gemini 3 登顶

Text Arena 是 LMArena 最核心的榜单，截至 12 月 30 日累计投票数近 500 万。

榜首是谷歌 gemini-3-pro，得分 1490。

更魔幻的是，第二名还是谷歌，gemini-3-flash 得分 1480。

马斯克 xAI 的 grok-4.1-thinking 以 1477 分排第三。

Anthropic 的 claude-opus-4-5 系列分列四、五位，得分 1470 和 1467。

OpenAI 的 gpt-5.1-high 排到了第八，得分 1458。

2024 年，谷歌 Gemini 还在被 GPT 和 Claude 压着打。

现在，直接翻盘。

03｜前端代码：Claude 继续称王

WebDev Leaderboard 测试模型写前端代码的能力，截至 12 月 29 日累计 8 万票。

Anthropic claude-opus-4-5-20251101-thinking-32k 以 1512 分遥遥领先，比第二名 OpenAI 的 gpt-5.2-high（1480 分）高 32 分。

第三还是 Claude claude-opus-4-5-20251101（1479 分）。

谷歌 gemini-3-pro 以 1471 分排第四。

值得一提的是，国产模型真的站起来了。

MiniMax minimax-m2.1-preview 以 1445 分排第六。

智谱 glm-4.7 以 1441 分排第七。

全球前十。

04｜视觉理解：谷歌继续碾压

Vision Arena 测试模型理解和处理图像（多模态）的能力，截至 12 月 16 日累计 57 万票。

前三全是谷歌：gemini-3-pro（1309 分）、gemini-3-flash（1284 分）、gemini-3-flash (thinking-minimal)（1268 分）。

OpenAI 的 gpt-5.1-high 以 1249 分排第四。

多模态这个赛道，谷歌 Gemini 领先优势太明显了。

05｜图像生成与编辑：字节杀进全球前五

Text-to-Image Arena（文生图）榜单上，OpenAI gpt-image-1.5 以 1264 分排第一。

谷歌大香蕉 Nano Banana Pro 图像模型以 1235 分第二。

Black Forest Labs 的 Flux 2 系列占据四到七位。

国产模型，腾讯 hunyuan-image-3.0 以 1152 分排第八。

字节 seedream-4.5 以 1147 分第十。

Image Edit Arena（图像编辑）榜单上，字节表现更亮眼。

seedream-4.5 以 1327 分排第五，seedream-4-2k 以 1312 分排第七，seedream-4-high-res-fal 以 1246 分排第十。

前十，字节占了三个。

图像生成和编辑，国产模型已经杀进全球第一梯队了。

06｜搜索能力：谷歌 vs OpenAI

Search Arena 测试模型联网搜索的能力，截至 12 月 17 日累计 12 万票。

谷歌 gemini-3-pro-grounding（Gemini 3 Pro 的搜索模式）以 1214 分居首。

OpenAI gpt-5.2-search 紧随其后得分 1211，差距只有 3 分。gpt-5.1-search 以 1201 分排第三。

xAI Grok 系列占据四到六位。

Perplexity 的 ppl-sonar-reasoning-pro-high 排第六，得分 1147。

谷歌做了二十多年搜索引擎，只领先 3 分，OpenAI 已经很能打了。

07｜LiveBench：硬核推理

LiveBench 是百分制。

测试内容包括推理、数学、编程、数据分析、语言理解、指令遵循几大类。

这个榜单的题目非常难，每月更新（这是名字里 Live 这个词的精髓），专治各种「刷榜」。

Anthropic Claude 4.5 Opus Thinking High Effort 以 76.20 分排第一。

OpenAI GPT-5.1 Codex Max 以 75.63 分紧随其后。

谷歌 Gemini 3 Pro Preview High 以 75.22 分排第三。

国产模型，DeepSeek V3.2 Thinking 以 66.22 分排第十二。

月之暗面 Kimi K2 Thinking 以 65.59 分排第十三。

顶尖模型也就 70% 多的正确率，可见难度。

需要说明的是，LiveBench 更新比较慢，很多国产新模型还没来得及上榜。

08｜Artificial Analysis：智能体成新战场

Artificial Analysis Intelligence Index 是综合指数，把 10 项评估加权平均。

总榜上，谷歌 Gemini 3 Pro Preview 和 OpenAI GPT-5.2 并列第一，都是 73 分。

Gemini 3 Flash 71 分排第三。

Claude Opus 4.5 和 GPT-5.1 并列第四，都是 70 分。

国产模型排名亮眼。

智谱 GLM-4.7 68 分（第六）；Kimi K2 Thinking 67 分（第七）；小米 MiMo-V2-Flash 66 分（第九）；DeepSeek V3.2 66 分（第十）。

Coding Index（编程能力）榜，谷歌 Gemini 3 Pro 和 OpenAI GPT-5.2 并列第一，都是 62 分。

Claude Opus 4.5 60 分排第三。

国产方面，GLM-4.7 55 分；DeepSeek V3.2 53 分；Kimi K2 Thinking 52 分，MiMo-V2-Flash 51 分。

Agentic Index（智能体能力）是 2025 年的新赛道，测试模型执行复杂多步骤任务的能力。

Claude Opus 4.5 以 67 分排第一。

GPT-5.2 64 分排第二。

Gemini 3 Pro 和智谱 GLM-4.7 并列第三，都是 63 分。

DeepSeek V3.2 62 分，第六；Kimi K2 和小米 MiMo-V2-Flash 都是 61 分，排第七。

智谱和榜首差距只有 4 分。

智能体这个赛道，国产模型起点很高了。

09｜2026 怎么选？

日常对话、搜索、信息整合和多模态理解，选今年进步最大的 Gemini，或者 8 亿周活的 ChatGPT；用不了的，直接豆包或者千问。

写代码，后端选 Claude（或复杂任务 GPT，前端也可以 Gemini），这块它还是王者；嫌麻烦直接 GLM-4.7、MiniMax M2.1、或 Kimi K2。

复杂自动化任务，Claude 目前最强，但国产模型的 Agentic 能力也值得一试。

图像生成，OpenAI（仅限英文）和谷歌领先，但字节 Seedream 已经很能打了。

2026 年，智能体（AI Agent）还是主战场之一。

10|如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
在这里插入图片描述