多模态大模型排行榜：视觉大模型排名

按真人匿名对比投票的 Arena 得分排名（LMArena 视觉竞技场）：用户上传图片并提问，两个匿名模型作答后投票。

综合 OCR 文字识别 图表理解 作业题 图片描述 物体/人物识别 看图写作 幽默理解 英文 中文
OCR 文字识别第一数据 2026年10月19日
Claude Fable 5 (High)Anthropic · 1337

按 LMArena 视觉竞技场 2026年10月19日 发布的数据，Anthropic 的 Claude Fable 5 (High) 以 1325 分（14,714 票）在 167 个模型中排第一。

完整榜单 · OCR 文字识别

共 30 个
全部 开放权重

默认按 LMArena 得分降序；± 为 95% 置信区间半宽；分项列为该模型在对应分榜的得分，空白为 –。

# 模型 LMArena · OCR 文字识别 许可证
得分 名次 票数
1 GLM-5.3-FlashZ.ai开放权重 1299±7 26 11,021 MIT
2 Kimi K2.6Moonshot AI开放权重 1291±7 33 11,758 Modified MIT
3 DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek开放权重 1282±12 41 2,786 MIT
4 Gemma 4 31BGoogle开放权重 1282±6 43 28,054 Apache 2.0
5 Qwen3.8-27BAlibaba开放权重 1281±9 44 5,124 Apache 2.0
6 Kimi K2.5 (Thinking)Moonshot AI开放权重 1276±6 47 19,489 Modified MIT
7 Qwen3.5-397B-A17BAlibaba开放权重 1271±5 51 22,696 Apache 2.0
8 MiMo-V2.6-FlashXiaomi开放权重 1270±13 54 2,504 MIT
9 MiMo-V2.6-ProXiaomi开放权重 1270±17 55 1,195 MIT
10 Gemma 4 26B A4BGoogle开放权重 1268±7 56 16,862 Apache 2.0
11 Kimi K2.5 (Instant)Moonshot AI开放权重 1259±12 60 2,691 Modified MIT
12 MiniMax-M3MiniMax开放权重 1259±6 61 13,947 MiniMax Community License
13 MiMo-V2.5Xiaomi开放权重 1256±6 64 20,901 MIT
14 Qwen3-VL-235B-A22B-InstructAlibaba开放权重 1253±8 69 7,752 Apache 2.0
15 Qwen3.5-122B-A10BAlibaba开放权重 1251±7 70 9,185 Apache 2.0
16 Qwen3.5-27BAlibaba开放权重 1246±5 75 21,340 Apache 2.0
17 TInkling-SmallThinking Machines开放权重 1243±9 76 5,655 Apache 2.0
18 Mistral Medium 3.5Mistral AI开放权重 1233±10 84 3,905 Modified MIT
19 Mistral Large 3Mistral AI开放权重 1228±8 85 6,194 Apache 2.0
20 NNVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4)NVIDIA开放权重 1216±15 89 1,672 OpenMDW-1.1
21 Qwen3-VL-235B-A22B-ThinkingAlibaba开放权重 1212±16 91 1,322 Apache 2.0
22 GLM-4.6VZ.ai开放权重 1171±16 108 1,484 MIT
23 SStep-3StepFun开放权重 1168±17 109 1,202 Apache 2.0
24 Gemma 3 27B ITGoogle开放权重 1156±10 112 6,196 Gemma
25 GLM-4.5VZ.ai开放权重 1151±17 115 1,195 MIT
26 Llama 4 Maverick 17B 128E InstructMeta开放权重 1143±12 117 3,083 Llama 4
27 Mistral Small 3.2 (2506)Mistral AI开放权重 1134±11 119 4,083 Apache 2.0
28 Mistral Small 3.1 24B Instruct (2503)Mistral AI开放权重 1132±11 120 7,209 Apache 2.0
29 Llama 4 Scout 17B 16E InstructMeta开放权重 1117±12 121 2,788 Llama
30 Molmo 2 8BAi2开放权重 1058±24 123 796 Apache 2.0

得分数据：LMArena leaderboard-dataset（lmarena-ai，Hugging Face，CC-BY-4.0，vision 配置），OCR 文字识别发布于 2026年10月19日。引用请注明来源。

数据来源与计算方法

  1. 得分为 Bradley-Terry 模型拟合的 Arena 分数，来自真人在同一图片问题下对两个匿名回答的投票。
  2. 分项（OCR、图表、作业题、图片描述、中文/英文等）是 LMArena 按提示词类别单独计算的分榜，不是综合分的拆分，名次可能和综合榜差别很大。
  3. 没有公开数据的字段（价格、上下文、发布时间等）不显示，空白为 –；不做推测。
  4. 每天自动同步一次；JSON 接口： /api/public/vision-leaderboard.php

常见问题

目前最强的多模态（视觉）大模型是哪个？

按 LMArena 视觉竞技场 2026年10月19日 发布的数据，Anthropic 的 Claude Fable 5 (High) 以 1325 分（14,714 票）在 167 个模型中排第一。

各家厂商最好的视觉模型分别是哪个？

综合榜各厂商最高：Anthropic Claude Fable 5 (High) (1325, #1)、Google Gemini 3.8 Flash (High) (1315, #7)、Alibaba Qwen3.8-Max (1313, #10)、Meta Muse Spark 1.3 (Max) (1308, #12)、OpenAI GPT-5.4 (High) (1303, #18)。

哪个模型 OCR 文字识别最好？

LMArena OCR 分榜（123 个模型）第一是 Claude Fable 5 (High)，1337 分。

最好的开源 / 开放权重视觉模型是哪个？

榜上有 50 个开放权重模型，最高的是 GLM-5.3-Flash（1294 分，许可证 MIT）。

这个分数和 MMMU 等基准测试有什么区别？

MMMU 等是固定题库的自动评分；这里是真人用自己的图片和问题做盲测投票，反映实际使用中的偏好，两者不能直接换算。