Claude 文本領先，Kimi 編碼更強

8 月大模型榜單顯示，Claude 在文本能力領先，Kimi 在編碼表現更強，多模態模型也在快速整合語音、圖像與文字。

這份 2026 年 8 月的大模型觀察，結論很直白：Anthropic 仍守住文本高位，Kimi 在編碼賽道更亮眼，而多模態模型正在把圖像、語音、文字放進同一個工作流。頭部排名沒有大洗牌，但分差正在縮小，這比單次名次更有意思。

如果把時間拉長看，這代表閉源模型的競爭重心已經變了。現在比的不是誰只贏一項，而是誰能在更多場景裡穩住第一梯隊。對開發者來說，真正重要的是模型能不能連續完成多種任務，而不是只在榜單上好看。

文本榜第一群，還是那幾家在打

這次觀察最清楚的一點，是文本榜頭部沒有被新玩家徹底改寫。Anthropic 內部模型在 6 月到 7 月之間輪流拿高位，從 Opus 4.6、Opus 4.7，到 Fable 5、Opus 5，都顯示它在文本理解和生成這條線上維持很強的延續性。

這種輪換很關鍵。它代表領先不再只靠某一個模型，而是靠整套訓練、對齊和產品迭代能力。換句話說，使用者感受到的不是一次發表很強，而是這個團隊持續把文本能力往上推。

OpenAI 的 GPT-5.5 Pro 和 Google DeepMind 的 Gemini 3.1 Pro 也沒有掉出第一梯隊太遠，長期貼著 1500 線附近跑。這個位置很擠，也很說明問題：頭部閉源模型之間的差距正在縮小，誰都很難再靠一代模型把對手拉開好幾個身位。

• Anthropic 系模型在文本榜上輪流占優
• OpenAI 和 Google DeepMind 緊跟在頭部附近
• 頭部競爭更像細節優化，而不是代際碾壓

Kimi 在編碼賽道更像一把利刀

編碼榜的情況和文本榜不太一樣。Kimi 在程式碼能力上的表現更強，表示它在程式生成、程式理解和除錯輔助這些任務裡，更貼近開發者的真實需求。對工程團隊來說，這種差異比「誰的通用分數高一點」更有意義。

因為程式模型最後要落到 IDE、CI、code review 和自動修 bug 這些場景。只要模型寫錯 API、漏掉邊界條件，或者在複雜倉庫裡迷路，分數再漂亮也沒用。編碼賽道很現實，錯一行就會被測試打臉。

“The model is the product.” — Sam Altman, OpenAI DevDay 2023 keynote

這句話放到今天還是貼切，但要補一層現實版解釋：對開發者來說，模型不是抽象分數，而是能不能少改幾輪程式、少查幾次文件、少在測試裡踩坑。編碼能力一旦穩定領先，產品黏性通常會比通用聊天更強。

如果把編碼和文本放在一起看，分工就很清楚。文本能力決定模型能不能理解複雜意圖，編碼能力決定它能不能把意圖變成可執行的東西。這也是為什麼很多團隊會同時看兩個榜，而不是只盯總分。

• 文本能力偏理解、摘要和長上下文處理
• 編碼能力偏可執行性和錯誤修正
• 對開發者來說，後者通常更接近日常工作流

多模態正在從能看圖，走向全模態

這次最值得記住的詞，是全模態。意思很直接：模型不再只是把圖像、語音、文字當成獨立輸入，而是開始放進同一套推理和互動框架裡處理。對使用者來說，這表示你可以更自然地讓模型聽一句話、看一張圖，再輸出一段可執行建議。

這一步看起來像能力擴張，其實更像互動方式的重寫。以前很多多模態產品只是加了圖片輸入，現在更接近「輸入本來就應該是多種形式」。一旦模型能在這些模態之間來回切換，很多原本要拆成多個工具完成的任務，就能壓縮到一次對話裡。

從產業角度看，這會直接影響產品設計。做筆記、做客服、做內容審核、做程式碼審查的團隊，都會更在意模型能不能同時處理截圖、語音說明和文字上下文，而不是只看單一模態分數。我們之前整理的多模態趨勢也提過，真正的競爭點已經從「支援什麼輸入」轉向「能不能把輸入串起來」。

頭部格局沒變，差距在縮小

這篇觀察裡最穩的一條判斷，是閉源三強的主導地位還在，但彼此之間的縫隙變小了。Anthropic、OpenAI、Google DeepMind 仍然占據主導位置，只是現在很難說誰能長期把對手甩開。每一家的新模型都在補短板，結果就是榜單更像一條擠得很緊的高分帶。

這對企業用戶其實是好事。頭部模型差距越小，採購和切換成本就越容易被功能、價格、延遲和合規要求決定，而不是被某個單點分數決定。對開發者來說，選模型時也要更具體：你要的是最強文本，還是更好的程式，還是能把圖像和語音一起處理的工作流引擎。

• 文本第一群仍由 Anthropic、OpenAI、Google DeepMind 主導
• 編碼賽道更容易出現單項優勢
• 多模態競爭正在把模型邊界抹平

這波競爭背後，其實是產品入口之爭

大模型榜單看起來像分數遊戲，但真正打的是入口。誰能先進到開發者的 IDE，誰能先進到企業的客服系統，誰能先進到內容生產流程，誰就更容易把模型能力變成日常使用習慣。這也是為什麼編碼和多模態都變得重要，因為它們都更接近工作現場。

從歷史脈絡看，LLM 的競爭已經走過「能不能聊天」和「能不能推理」兩個階段。現在進入的是「能不能穩定完成任務」階段。這一階段很無聊，也很殘酷，因為它不吃華麗展示，只吃穩定、延遲、成本和整合能力。

如果 2026 年下半年榜單繼續沿著這條線走，接下來最值得盯的不是誰又拿第一，而是誰能把第一做成可用產品。真正決定市場份額的，可能不是一次榜單跳升，而是模型能否在文本、程式和多模態互動裡同時維持穩定表現。

接下來該看什麼

我會先盯兩件事。第一，是 Kimi 的編碼優勢能不能延伸到更長上下文和更複雜倉庫。第二，是 Anthropic 能不能把文本領先轉成更完整的產品體驗，而不只是榜單上的高分。

如果你是開發者，下一次選型時可以直接問一個很實際的問題：這模型在你的主任務裡，是能省 10 分鐘，還是能省一整輪返工？這個答案，通常比名次更誠實。