56份评测重排AI模型榜：编程第一Opus 5.5，办公第一Gemini 4 Argon

AIHOT模型榜把公开评测集从39份加到56份，重新算了一遍ELO。没有正式上线的模型被剔除，比如Gemini 4 Carbon，它有25项评测、75.5分，但暂不排名。更新后的综合榜展示30个模型，56项评测来自16家机构，页面更新时间是11月2日02:05。

综合第一是Claude Opus 5.5，74.3分，评测覆盖100%。编程第一也是它。科研和知识第一归GPT-6 Astra，71.9分。办公第一是Gemini 4 Argon，71.6分。卡兹克在推文里说，这个排名符合他对所有模型的认知。

算法只看第三方评测机构自己实测的成绩，厂商公布的分不算。各项成绩折算后按领域加权：编程38%、科研19%、专业办公19%、知识问答14%、真人盲选10%。50分是参照模型的平均水平，每15分约一个标准差。两个模型差3分以上，先后基本不会变。价格不参与排序，没测的评测不补分，也不扣分。

评论区里，有人赞同排名，有人盯住剔除未上线模型这个动作。有网友说，把还没正式上线的Carbon剔掉很对，不然榜首一直是一个大家都用不到的模型。也有人觉得分项榜比综合榜有用：写代码挑编程第一，做表格挑办公第一，真正干活时没人只用一个模型。综合第一更像给不想选的人准备的默认值。

办公第一给Gemini 4 Argon，有人意外，也有人觉得合理。后者的理由很实际：Google自己有一整套Docs和表格产品，模型日常陪练的机会多。不过有网友提醒，榜单只能做初筛，落地前拿自己的真实任务跑一遍，顺带把价格和速度算进去。

还有人想看新增评测前后的名次对照表。模型没换，考卷换了，哪些名次稳，比单看第一更有参考价值。也有网友问，怎么没有Grok 4.7。卡兹克的回复很直接：因为太拉了，导致不在第一屏。

这次扩容后，前几名变化不大。有网友说，大家嘴上吵得凶，实际用起来口碑还挺稳。另一个现实是，科研和知识看GPT-6 Astra，编程看Claude Opus 5.5，真要覆盖这些场景，两家订阅可能一个都省不了。榜单和每个模型的评测明细在 https://aihot.news/leaderboard ，可以自己点进去看。