Arena 第 35 周盲测榜：Qwen 3.8-Max 登顶前端榜，国产模型集体冲击第一梯队

一句话结论：在 LMArena 第 35 周（8 月 24–30 日）的第三方盲测中，Qwen 3.8-Max-0902 首次入榜即以 1691 分登顶前端开发榜，GLM-5.3-Flash 闯入代码榜前十，这是国产模型第一次在多个细分榜单同时逼近全球第一梯队。

AI 摘要

• 发生了什么：LMArena 发布 2026 年第 35 周盲测榜，多款国产新模型集体亮相。
• 核心变化：Qwen 3.8-Max-0902 前端开发榜登顶（1691 分），把 Claude Opus 5 Max 挤到第二；GLM-5.3-Flash 代码榜首进 Top 10。
• 影响对象：国产大模型开发者、模型选型团队、关注 AI 编程工具的从业者。
• 下一步观察：Qwen 3.8-Max 的 AA 智能指数评测何时补上，以及 GLM-5.3-Flash 的排名能否站稳。

发生了什么

LMArena（arena.ai）在 9 月 2 日更新了 2026 年第 35 周（8 月 24 日至 30 日）的大模型盲测排行榜。这一周最显著的变化是国产新模型集中亮相：阿里 Qwen 3.8-Max-0902、智谱 GLM-5.3-Flash、腾讯 Hy 4-Preview 等都在各自的细分榜单上取得靠前位置。

Arena 的机制是「用户盲测」：投票者看不到模型名字，只凭回答质量打分，最后折算成 ELO 分。这套机制的好处是它贴近真实对话体验，而不是厂商自报的基准跑分——这也是这份榜单值得认真对待的原因。

国产模型在哪些榜单上表现突出？

前端开发榜：Qwen 3.8-Max 首次登顶

这是本周最大的看点。Qwen 3.8-Max-0902 首次入榜就直接登上前端开发榜榜首，ELO 1691 分，把此前一直领先的 Claude Opus 5 Max 挤到第二名。

同一周还有四款国产新模型集体闯入前端榜前 12：腾讯 Hy 4-Preview 排第 8（1627 分）、Qwen 3.8-Flash-Next 排第 9（1622 分）、GLM-5.3-Flash 排第 12（1604 分）。前端开发一直是国产模型的短板，这次集中上榜说明中文场景下的 UI 代码能力正在快速补课。

代码榜：GLM-5.3-Flash 首次进入前十

综合代码榜上，Kimi K 3 Max 稳在第 6 名（1542 分），GLM-5.3-Flash 作为本周新入榜模型直接排到第 7（1535 分）。这意味着 GLM-5.3-Flash 以 320 B 参数、18 B 激活的规模，在代码能力上已经能与更大体量的旗舰模型正面竞争。

综合榜：Anthropic 仍垄断，但国产模型守住前十

综合榜前五仍然被 Anthropic 的 Claude 系列包揽，但 Kimi K 3 Max 守住了第 10 名（1489 分），GLM-5.3-Max 排第 17（1482 分），Qwen 3.8-Max 排第 20（1479 分）。国产模型离「综合榜登顶」还有距离，但前十已经出现了稳定的国产身影。

为什么这轮盲测值得关注？

对普通用户：盲测榜单比厂商发布会更接近「真实使用感受」。如果你在选 AI 工具，前端榜登顶意味着 Qwen 3.8-Max 在写网页、做 UI 这类任务上，已经达到和 Claude 掰手腕的水平。

对开发者：GLM-5.3-Flash 以 320 B 参数进入代码榜前十，是一个强信号——「小模型靠后训练追平大模型」的路线正在见效。如果你在控制 API 成本，这类高性价比模型值得纳入测试。

对行业生态：过去国产模型的突破多集中在「综合榜追近」或「中文榜领先」，这次是在「前端开发」「代码」这类国际竞争最激烈的工程类榜单上取得名次，含金量更高。关于国产模型整体的选型逻辑，可参考我们整理的2026 国产大模型选型指南。

智盒判断

短期：Qwen 3.8-Max 前端榜登顶是「新版本发布窗口期」的表现，能否守住取决于 0902 版本是否稳定迭代。GLM-5.3-Flash 的代码榜前十，则验证了智谱「后训练 Scaling」路线的有效性——这与我们此前解读的「牛来」模型 GLM-5.3-Flash 开源形成呼应。

中期：国产模型正在从「综合能力追近」转向「细分场景反超」。前端、代码、智能体这些工程类榜单，比综合榜更能反映真实生产力价值。

长期：真正需要补齐的短板是第三方独立评测的完整性。Qwen 3.8-Max 至今没有 Artificial Analysis 智能指数，GLM-5.3-Flash 的样本量也还小（1213 次投票）。在盲测样本进一步累积之前，这些排名应当被理解为「上升趋势」而非「最终定论」。

风险与不确定性

• Arena 盲测是用户投票，样本量和投票人群分布会影响结果，不应等同于标准基准测试。
• Qwen 3.8-Max-0902 是新版本，其前端榜第一名的样本量有限，排名可能随投票增加而波动。
• GLM-5.3-Flash 在综合榜排第 30（1473 分），说明其在非代码、非前端的通用能力上仍与旗舰有差距。

后续观察

• Qwen 3.8-Max 何时获得 Artificial Analysis 智能指数评测，这是验证其「厂商声称」的关键一步。
• GLM-5.3-Flash 的代码榜排名能否在下一周站稳，还是「新模型窗口期」后的回落。
• 腾讯 Hy 4-Preview、小米 MiMo-V 2.5-Pro 这些新入榜模型是否会有进一步的榜单表现。

FAQ

Arena 盲测榜和厂商跑分有什么区别？

Arena 是用户盲测，投票者不知道自己在评价哪个模型，只根据回答质量投票。它更接近真实对话体验，但受样本量和投票人群影响。厂商跑分则是标准化基准测试，可复现但可能与真实使用脱节。两者应该配合看。

国产模型这次是「真第一」吗？

前端开发榜确实是 Qwen 3.8-Max 排第一，但这是「单一榜单、新版本窗口期、有限样本」下的第一，不能等同于「全面超越 Claude」。综合榜前五仍是 Anthropic 垄断。更准确的表述是：国产模型在工程类细分场景上，已经能和国际旗舰正面竞争。

想用国产模型做前端开发，应该选哪个？

可以优先关注 Qwen 3.8-Max（前端榜登顶），同时把 GLM-5.3-Flash（代码榜前十、成本更低）作为对比选项。具体选型还是要回到自己的任务上做小规模测试，榜单只能作参考。

参考来源

• IT 之家（凤凰网）《AI 大模型周榜：国产 GLM-5.3-Flash 首秀杀进代码榜前十，千问 3.8-Max 登顶前端榜》2026-09-02
• LMArena（arena.ai）第 35 周盲测榜