#model-evaluation

Arena.ai 推出重新设计的排行榜概览

新概览汇总新加入模型、分类表现、能力说明和 Arena 动态的实时信号，并可展示 GPT-6 Sol、Claude Opus 5.5 等模型的跨竞技场分数。

Arena.ai 表示，已生成 Anthropic 的 Claude Opus 5.5 与 OpenAI 的 GPT-6 Sol 的并排输出，Claude Opus 5.5 的评分即将公布。

使用相同的 /design 提示，Command Code 给 DeepSeek-V4.1-Flash 打出 9/10、费用 0.024 美元，给 Mimo-V2.6-Flash 打出 8/10、费用 0.018 美元，给 Grok-4.7 打出 3/10、费用 0.35 美元。

Artificial Analysis 已将 Controlled Voice Arena 扩展至日语、普通话、印地语、西班牙语、德语、法语、葡萄牙语、越南语和阿拉伯语，并为每种语言单独设立文本转语音排行榜。排名采用该语言的母语提示词、标准化克隆语音，以及母语使用者的偏好投票。

Controlled Voice Arena 现已对日语、普通话、印地语、西班牙语、德语、法语、葡萄牙语、越南语和阿拉伯语的文本转语音模型进行排名。Cartesia 的 Sonic 系列在九个榜单中的八个领先，Inworld AI 的 Realtime TTS-2 在普通话榜单排名第一。

OpenAI 的两款模型已可在 Arena 上测试，针对真实世界智能体任务的投票会计入排行榜。Arena.ai 称，petergostev 还用相同提示词、在最高推理设置下比较了 GPT-6 Sol 与 GPT-5.6 Sol。

OpenAI 表示将支持独立评估，并在训练、评估和部署环节提供深入访问，同时概述四个优先领域以及严谨、安全、独立开展工作的原则。