国产AI大模型综合能力全球排行 - 20260527期
![]()
测评指标说明
评测数据日期：2026-05-27
基于独立评测机构 Artificial Analysis 发布的最新 AI 模型基准测试结果，本文围绕以下三个指标进行综合分析
Artificial Analysis（简称 AA）是 2023 年成立于美国的独立 AI 评测机构，总部位于旧金山，由 George Cameron 与 Micah Hill-Smith 联合创立，被誉为 “AI 领域的标杆” 与 “新一代 Gartner”。
Artificial Analysis Intelligence Index (人工分析智能指数)
衡量AI在电信、终端、科学、法律、知识、推理、伦理、人类价值观、专业深度、批判性思维等十大领域，解决专业、复杂、开放性的现实世界问题的综合高阶智能能力
人工智能分析智能指数v4.0包含10项评估：Artificial Analysis Intelligence Index v4.0 incorporates 10 evaluations: GDPval-AA, 𝜏²-Bench Telecom, Terminal-Bench Hard, SciCode, AA-LCR, AA-Omniscience, IFBench, Humanity's Last Exam, GPQA Diamond, CritPt
GDPval-AA、²-Bench电信、终端-Bench硬、SciCode、AA-LCR、AA-全知、IFBench、人类最后的考试、GPQA钻石、CritPt
Artificial Analysis Coding Index(人工分析编码指数)
衡量AI在真实、复杂环境中，编写严谨、专业、可直接应用的工程代码与科学代码的综合实战能力。
包含两项评估：Represents the weighted average of coding benchmarks in the Artificial Analysis Intelligence Index (Terminal-Bench Hard, SciCode)
代表人工分析智能指数中编码基准的加权平均值（终端-基准硬，SciCode）
Artificial Analysis Agentic Index（人工分析代理指数）
衡量AI在自主决策核心场景中，解决复杂现实问题、制定长期战略、并做出最优技术决策的智能体与专家级能力。
包含两项评估：Represents the average of agentic capabilities benchmarks in the Artificial Analysis Intelligence Index (GDPval-AA, 𝜏²-Bench Telecom)
代表人工分析智能指数中代理能力基准的平均值（GDPval-AA，²-电信基准）
指标一：Artificial Analysis Intelligence Index (人工分析智能指数)
衡量AI在电信、终端、科学、法律、知识、推理、伦理、人类价值观、专业深度、批判性思维等十大领域，解决专业、复杂、开放性的现实世界问题的综合高阶智能能力。
总榜
评分达到50分及以上模型
第一梯队国产有5个
Qwen3.7 Max（56.6分）
MiMo-V2.5-Pro（53.8分）
DeepSeek V4 Pro(Max)（51.5分）
GLM-5.1（51.4分）
MiniMax-M2.7（49.6分）
达到40分小于50分模型
第二梯队国产有3个
DeepSeek V4 Flash(Max) （46.5）
Qwen3.5 397B A17B（45.0）
DeepSeek V3.2 （41.7）
结论：国产全面对标海外顶尖水平
AI应对现实世界问题的综合高阶智能能力，国内大模型已达到全球领先水平，差距不大。但头部前4名还是被国外AI头部厂商占据。全球评分50分及以上的14款模型中，国内占5席。
指标二：Artificial Analysis Coding Index(人工分析编码指数)
衡量AI在真实、复杂环境中，编写严谨、专业、可直接应用的工程代码与科学代码的综合实战能力。
总榜
1、评分达到50分及以上模型
第一梯队国产有1个
Qwen3.7 Max（56.6分）
2、评分40-50分模型模型
第二梯队国产有6个
DeepSeek V4 Pro(Max) （47.5分）
Kimi K2.6（47.1分）
MiMo-V2.5-Pro （45.5分）
GLM-5.1（43.4分）
MiniMax-M2.7（41.9分）
Qwen3.5 197B A17B（41.3分）
结论：国产模型部分达到海外顶尖水平
AI应对工程代码与科学代码能力方面，国内头部模型已达到全球头部平均水平，存在一定差距，但整体差距可控接近。头部前5名被国外AI头部厂商占据。全球评分40分及以上的16款模型中，国内占已7席，接近一半。
指标三：Artificial Analysis Agentic Index（人工分析代理指数）
衡量AI在自主决策核心场景中，解决复杂现实问题、制定长期战略、并做出最优技术决策的智能体与专家级能力。
总榜
1、评分达到60分及以上模型
第一梯队国产有7个
MiMo-V2.5-Pro （67.4分）
DeepSeek V4 Pro(Max) （67.2分）
GLM-5.1 （67.1分）
Qwen3.7 Max （66.6分）
Kimi K2.6 （66.0分）
MiniMax-M2.7 （61.5分）
DeepSeek V4 Flash(Max) （61.3分）
2、评分50-60分及以上模型
第二梯队国产有2个
Qwen3.5 197B A17B（55.8分）
DeepSeek V3.2 （52.9分）
结论：在自主决策能力层面，国产模型跻身前列
AI应在自主决策核心场景中能力，国内大模型已全面达到全球领先水平，大部分最新模型均处在第一梯队。头部前4名还是被国外AI头部厂商占据，但分差不大，全球评分60分及以上的14款模型中，国内占7席。
采购建议：根据不同场景的模型性能排名&官网模型的token接入价格综合选用，优先采用高性能模型，同性能一梯队选择最便宜的性价比较高！！
数据来源：https://artificialanalysis.ai/models