7月13日最新动态，Arena平台正式发布了最新一期AI大模型周榜。本期榜单涵盖了2026年7月6日至7月12日的评测数据。
本周最显著的变化，莫过于代码榜榜首的更迭。claude-opus-4-7-thinking凭借出色表现从第二名跃升至第一名，而此前的冠军claude-fable-5则下滑至第五位。综合榜方面，claude-fable-5继续稳居榜首，整体来看，Anthropic旗下模型几乎占据了头部主导地位。国产模型则稳定在中上游区间，排名波动幅度相对较小。
综合榜
综合榜的整体格局本周基本保持稳定。冠军依然是claude-fable-5，ELO评分为1505分，较上周微降4分。第二位至第五位依次为claude-opus-4-6-thinking、claude-opus-4-7-thinking、claude-opus-4-6与claude-opus-4-7，这些全部出自Anthropic，且分数差距均在30分以内，从统计角度看基本可视为同一水平线。值得注意的是，此前排名第五的muse-spark-1.1本周滑落至第六名，这是头部区间内唯一的变化。
国产模型方面，进入前30名的共有三款产品，排名总体较为稳固：
表现最为突出的是qwen3.7-max-preview，位居第17名，ELO分数为1475分，名次保持不变；
glm-5.1位列第25名，ELO分数为1472分，排名下滑了3位；
ernie-5.1排名第30名，ELO分数为1468分，名次与上周持平。
代码榜
代码榜本周经历了较为戏剧性的变动。原排名第二的claude-opus-4-7-thinking直接冲上榜首，ELO分数达到1553分。而被取代的前冠军claude-fable-5则一口气下跌了4位，落至第五名，分数从1563分降至1546分，下滑幅度达17分，这一降幅不容忽视。
第二名至第四名分别是claude-opus-4-6-thinking、claude-opus-4-7以及claude-opus-4-6。头部前五名依旧由Anthropic的模型包揽，且彼此分数差距不到10分，基本属于同一水平梯队。
榜单中还有一个亮点：grok-4.5本周排名上升了5位，跃升至第14名，成为本周涨幅最为显著的模型之一。
国产模型方面，本次共有5款产品上榜，具体排名如下：
qwen3.7-max-preview排名最高，位列第12名，ELO得分为1526分，较上周下降2位；
glm-5.1排名第18名，ELO分数为1521分；
mimo-v2.5-pro排名第23名，ELO分数为1518分，下降了6位；
kimi-k2.6排名第25名，ELO分数为1514分，上升了3位；
ernie-5.1排名第26名，ELO分数为1514分，同样上升了3位；
glm-5.2 (max)排名第27名，ELO分数为1513分，下降了6位。
数学榜
在数学榜上，claude-fable-5本周从第二名升至榜首，ELO分数大幅上涨31分，直达1548分。而此前的第一名claude-opus-4-6-thinking则降至第二名，分数保持在1518分不变。
国产模型这边，ernie-5.1排名上升了2位，来到第14名；qwen3.7-max-preview则下降了一位，降至第11名。总体来看，各模型之间的分数差距仍在误差范围之内。
高难度指令榜
该榜单的头部排名本周也发生了变化。claude-opus-4-6-thinking从第二名升至第一名，claude-fable-5则从第一名滑落至第二名。有趣的是，两者的分数均为1532分，从统计误差角度完全可以视为并列关系。整体而言，排名变动幅度均在3位以内，榜单格局仍较为稳定。
国产模型中，qwen3.7-max-preview排在第19位，分数微涨1分；glm-5.1排在第21位；glm-5.2 (max)排在第30位，分数未发生变化。
多轮对话榜
本周的多轮对话榜也出现了若干变动。claude-fable-5从榜首跌至第四名，下滑了3位；而claude-opus-4-7则上升1位，成功登顶榜首。头部格局呈现出轻微调整。值得特别关注的是，muse-spark-1.1从第13位直接跃升至第8位，成为本周涨幅最大的模型。国产模型方面，qwen3.7-max-preview位列第22名，分数微涨1分。
综合本周数据来看，Anthropic旗下模型依然在绝大多数榜单的头部占据统治地位，在综合榜、代码榜等多个榜单中名列前茅，美国厂商的整体优势依然十分明显。国产模型则稳定在中上游区间，其中qwen3.7-max-preview在多个榜单中保持了领先位置，kimi-k2.6与ernie-5.1在代码榜上也展现出排名回升的趋势。接下来值得持续关注的是，新入围的模型将带来怎样的表现，以及国产模型能否在头部位置实现进一步突破。