1
M
muse-spark
muse-sparkMeta
100.0
200
-
-
对话 · 视觉理解 · 幽默表达排行榜
基于公开偏好评测数据展示 视觉理解 / 幽默表达 榜单，每个榜单独立排序。
幽默表达模型怎么选？
幽默表达排行榜用于回答“幽默表达哪个 AI 模型更强”这类选型问题。页面基于公开偏好评测数据展示模型排名，每个榜单独立排序，不把不同任务的原始分数直接混合。当前榜首是 muse-spark，厂商为 meta，百分制分数 100.0，样本量 200。 数据来源保留 Arena 原始榜单和 LMArena leaderboard dataset，更新时间以榜单发布时间 2026-05-18 为准。
muse-sparkgemini-3-proclaude-opus-4-6gemini-3.1-pro-previewclaude-opus-4-6-thinking
2
G
gemini-3-pro
gemini-3-proGoogle
98.3
565
1.05M
¥14.4 / ¥86.4输入/输出
3
A
claude-opus-4-6
claude-opus-4-6Anthropic
96.6
298
1M
¥36 / ¥180输入/输出
4
Ggemini-3.1-pro-preview
gemini-3.1-pro-previewGoogle
94.9
637
1.05M
¥14.4 / ¥86.4输入/输出
5
Aclaude-opus-4-6-thinking
claude-opus-4-6-thinkingAnthropic
93.2
255
1M
¥36 / ¥180输入/输出
6
Aclaude-opus-4-7
claude-opus-4-7Anthropic
91.5
269
1M
¥36 / ¥180输入/输出
7
Aclaude-opus-4-7-thinking
claude-opus-4-7-thinkingAnthropic
89.8
270
1M
¥36 / ¥180输入/输出
8
Ggemini-3-flash
gemini-3-flashGoogle
88.1
714
1.05M
¥3.6 / ¥21.6输入/输出
9
Z
glm-5v-turbo
glm-5v-turboZai
86.4
231
200K
¥0 / ¥0输入/输出
10
M
kimi-k2.6
kimi-k2.6Moonshot
84.7
201
262K
¥6.84 / ¥28.8输入/输出
11
Mkimi-k2.5-thinking
kimi-k2.5-thinkingMoonshot
83.1
482
262K
¥4.32 / ¥21.6输入/输出
12
B
dola-seed-2.0-pro
dola-seed-2.0-proBytedance
81.4
338
-
-
13
Ggemma-4-26b-a4b
gemma-4-26b-a4bGoogle
79.7
428
262K
¥0.94 / ¥2.88输入/输出
14
Ggemini-3-flash (thinking-minimal)
gemini-3-flash (thinking-minimal)Google
78.0
669
1.05M
¥3.6 / ¥21.6输入/输出
15
O
gpt-5.4
gpt-5.4Openai
76.3
195
1.05M
¥18 / ¥108输入/输出
16
Ggemini-3.1-flash-lite-preview
gemini-3.1-flash-lite-previewGoogle
74.6
494
1.05M
¥1.8 / ¥10.8输入/输出
17
Ogpt-5.5
gpt-5.5Openai
72.9
175
1.05M
¥36 / ¥216输入/输出
18
A
qwen3.5-397b-a17b
qwen3.5-397b-a17bAlibaba
71.2
386
262K
¥3.1 / ¥18.6输入/输出
19
MI
mimo-v2.5
mimo-v2.5Xiaomi
69.5
275
1.05M
¥2.88 / ¥14.4输入/输出
20
X
grok-4.20-beta-0309-reasoning
grok-4.20-beta-0309-reasoningXai
67.8
302
2M
¥14.4 / ¥43.2输入/输出
21
Aqwen3.5-27b
qwen3.5-27bAlibaba
66.1
301
262K
¥2.16 / ¥17.3输入/输出
22
Ggemini-2.5-flash-preview-09-2025
gemini-2.5-flash-preview-09-2025Google
64.4
216
1M
¥2.16 / ¥18输入/输出
23
Xgrok-4.20-multi-agent-beta-0309
grok-4.20-multi-agent-beta-0309Xai
62.7
308
2M
¥14.4 / ¥43.2输入/输出
24
Ggemma-4-31b
gemma-4-31bGoogle
61.0
672
262K
¥3.24 / ¥7.2输入/输出
25
Aqwen3.5-122b-a10b
qwen3.5-122b-a10bAlibaba
59.3
315
262K
¥2.88 / ¥23输入/输出
26
Ggemini-2.5-pro
gemini-2.5-proGoogle
57.6
3K
1.05M
¥9 / ¥72输入/输出
27
Ogpt-5.4-high
gpt-5.4-highOpenai
55.9
195
1.05M
¥18 / ¥108输入/输出
28
Ogpt-5.4-mini-high
gpt-5.4-mini-highOpenai
54.2
276
400K
¥5.4 / ¥32.4输入/输出
29
Ochatgpt-4o-latest-20250326
chatgpt-4o-latest-20250326Openai
52.5
773
128K
¥18 / ¥72输入/输出
30
Ogpt-5.1
gpt-5.1Openai
50.8
333
400K
¥9 / ¥72输入/输出
31
Aclaude-sonnet-4-6
claude-sonnet-4-6Anthropic
49.2
314
1M
¥21.6 / ¥108输入/输出
32
Ogpt-5.2-chat-latest-20260210
gpt-5.2-chat-latest-20260210Openai
47.5
387
400K
¥12.6 / ¥101输入/输出
33
Ogpt-5.1-high
gpt-5.1-highOpenai
45.8
290
400K
¥9 / ¥72输入/输出
34
Ogpt-5.2-high
gpt-5.2-highOpenai
44.1
510
400K
¥12.6 / ¥101输入/输出
35
Xgrok-4-1-fast-reasoning
grok-4-1-fast-reasoningXai
42.4
345
2M
¥1.44 / ¥3.6输入/输出
36
Ggemini-2.5-flash
gemini-2.5-flashGoogle
40.7
2.1K
1.05M
¥2.16 / ¥18输入/输出
37
Oo3-2025-04-16
o3-2025-04-16Openai
39.0
1.7K
200K
¥14.4 / ¥57.6输入/输出
38
Ogpt-5-chat
gpt-5-chatOpenai
37.3
1.5K
400K
¥9 / ¥72输入/输出
39
Ogpt-5-high
gpt-5-highOpenai
35.6
1.3K
400K
¥9 / ¥72输入/输出
40
Ogpt-5-mini-high
gpt-5-mini-highOpenai
33.9
1.1K
400K
¥1.8 / ¥14.4输入/输出
41
Aqwen3-vl-235b-a22b-instruct
qwen3-vl-235b-a22b-instructAlibaba
32.2
457
128K
¥2.16 / ¥8.64输入/输出
42
Xgrok-4-0709
grok-4-0709Xai
30.5
1.2K
256K
¥21.6 / ¥108输入/输出
43
Oo4-mini-2025-04-16
o4-mini-2025-04-16Openai
28.8
1.5K
200K
¥7.92 / ¥31.7输入/输出
44
Ogpt-4.1-2025-04-14
gpt-4.1-2025-04-14Openai
27.1
1.4K
1.05M
¥14.4 / ¥57.6输入/输出
45
Ogpt-5.2
gpt-5.2Openai
25.4
492
400K
¥12.6 / ¥101输入/输出
46
Ggemini-2.5-flash-lite-preview-06-17-thinking
gemini-2.5-flash-lite-preview-06-17-thinkingGoogle
23.7
1.4K
65.5K
¥0.72 / ¥2.88输入/输出
47
B
ernie-5.0-preview-1220
ernie-5.0-preview-1220Baidu
22.0
169
128K
¥7.92 / ¥14.4输入/输出
48
Ogpt-4.1-mini-2025-04-14
gpt-4.1-mini-2025-04-14Openai
20.3
1.4K
1.05M
¥2.88 / ¥11.5输入/输出
49
MImimo-v2-omni
mimo-v2-omniXiaomi
18.6
235
262K
¥2.88 / ¥14.4输入/输出
50
Ggemini-2.5-flash-lite-preview-09-2025-no-thinking
gemini-2.5-flash-lite-preview-09-2025-no-thinkingGoogle
16.9
214
1.05M
¥0.72 / ¥2.88输入/输出
51
MA
mistral-medium-2508
mistral-medium-2508Mistral
15.3
1.5K
262K
¥2.88 / ¥14.4输入/输出
52
Ggemma-3-27b-it
gemma-3-27b-itGoogle
13.6
780
128K
¥2.15 / ¥2.15输入/输出
53
Ogpt-5.4-nano-high
gpt-5.4-nano-highOpenai
11.9
281
400K
¥1.44 / ¥9输入/输出
54
Ggemini-2.0-flash-001
gemini-2.0-flash-001Google
10.2
228
1.05M
¥1.08 / ¥4.32输入/输出
55
MAmistral-small-2506
mistral-small-2506Mistral
8.5
499
262K
¥2.88 / ¥14.4输入/输出
56
MAmistral-medium-2505
mistral-medium-2505Mistral
6.8
448
262K
¥2.88 / ¥14.4输入/输出
57
MAmistral-small-3.1-24b-instruct-2503
mistral-small-3.1-24b-instruct-2503Mistral
5.1
967
262K
¥2.88 / ¥14.4输入/输出
58
Ogpt-5-nano-high
gpt-5-nano-highOpenai
3.4
179
400K
¥0.36 / ¥2.88输入/输出
59
Mllama-4-scout-17b-16e-instruct
llama-4-scout-17b-16e-instructMeta
1.7
196
128K
¥1.44 / ¥5.62输入/输出
60
Mllama-4-maverick-17b-128e-instruct
llama-4-maverick-17b-128e-instructMeta
0.0
222
1M
¥1.8 / ¥6.26输入/输出
muse-spark 为什么排第一
muse-spark 当前排名第 1，厂商为 meta，百分制分数 100.0，样本量 200。如果你的任务与本榜单口径一致，可以优先把它作为候选模型，再结合价格、上下文长度和可用性做最终选择。
不要只看第一名
先选择最接近真实任务的排行榜，再比较 Top 模型的分数和样本量。分数越高说明同一榜单内偏好表现越强；样本量越高通常结果更稳定。最后再结合价格、上下文长度、开源闭源和厂商可用性筛选。
继续比较相近能力
幽默表达常见问题
幽默表达排行榜看什么指标？
主要看排名、百分制分数、样本量和来源。分数用于快速比较同一榜单内模型表现，样本量用于判断结果稳定性。
为什么不同榜单不能直接混合成总分？
不同榜单的任务、样本和评测口径不同，模力榜默认只在同一榜单内排序，避免把写作、代码、图像等能力强行合并。
幽默表达模型应该怎么选？
优先看与你任务最接近的榜单，再结合价格、上下文长度、开源闭源和厂商可用性。排名靠前不代表适合所有预算和部署方式。
榜单多久更新？
页面展示的是最新成功采集的公开榜单数据。当前优先使用 LMArena leaderboard dataset，并在页面来源中保留原始链接。