Context Arena 是一个专注于评估大语言模型长上下文处理能力的基准平台。它基于 OpenAI 发布的 Multi-Round Coreference Resolution (MRCR) 数据集，提供交互式排行榜，用于比较不同模型在复杂长对话中的信息检索和理解性能。该基准强调模型在长上下文下的实际表现，避免单纯依赖训练数据记忆。
基于多轮对话数据集测试大模型超长上下文的能力（站内成绩口径：取官方 API 8 根针档位下、所有模型都跑过的 4K–128K 五个上下文区间，按样本量加权平均。官方 overall 只在各模型实际跑过的区间上取平均，覆盖范围不同，直接比较会失真。）
查看 Context Arena 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Claude Opus 5 思考水平·Max | 97.72 | 2026-07-24 | 未知 | 闭源 | |
 GPT-5.6 Sol 思考水平·Max | 97.63 | 2026-06-26 | 未知 | 闭源 | |
 Qwen3.8-Max 思考水平·极高 | 96.92 | 2026-08-03 | 24000亿 | 有条件商用 | |
4 |  Gemini 3.7 Flash 思考水平·高 | 95.95 | 2026-08-13 | 未知 | 闭源 |
5 | Qwen3.8-Max 思考水平·中 | 95.15 | 2026-08-03 | 24000亿 | 有条件商用 |
6 | GPT-5.5 思考水平·极高 | 94.18 | 2026-04-23 | 未知 | 闭源 |
7 | Qwen3.8-27B 思考水平·中 | 93.98 | 2026-08-14 | 270亿 | 免费商用 |
8 | Gemini 3.7 Flash 思考水平·中 | 93.38 | 2026-08-13 | 未知 | 闭源 |
9 | Qwen3.8-Max 思考水平·低 | 92.79 | 2026-08-03 | 24000亿 | 有条件商用 |
10 | Qwen3.8-27B 思考水平·低 | 92.79 | 2026-08-14 | 270亿 | 免费商用 |
11 | GPT-5.6 Terra 思考水平·Max | 92.17 | 2026-06-26 | 未知 | 闭源 |
12 | GPT-5.5 思考水平·高 | 92.01 | 2026-04-23 | 未知 | 闭源 |
13 | GPT-5.5 思考水平·中 | 90.79 | 2026-04-23 | 未知 | 闭源 |
14 | Qwen3.8-27B 思考水平·极高 | 90.17 | 2026-08-14 | 270亿 | 免费商用 |
15 | Claude Opus 4.8 思考水平·Max | 90.04 | 2026-05-28 | 未知 | 闭源 |
16 | Gemini 3.7 Flash 思考水平·低 | 89.57 | 2026-08-13 | 未知 | 闭源 |
17 | Gemini 3.6 Flash 思考水平·高 | 88.78 | 2026-07-21 | 未知 | 闭源 |
18 |  GLM-5.3 思考水平·高 | 88.53 | 2026-08-14 | 7440亿 | 有条件商用 |
19 | 88.14 | 2026-04-18 | 未知 | 闭源 | |
20 | GPT-5.5 思考水平·低 | 87.46 | 2026-04-23 | 未知 | 闭源 |
21 | Gemini 3.6 Flash 思考水平·中 | 86.56 | 2026-07-21 | 未知 | 闭源 |
22 | GPT-5.4 思考水平·极高 | 86.15 | 2026-03-05 | 未知 | 闭源 |
23 | GLM-5.3 思考水平·Max | 85.61 | 2026-08-14 | 7440亿 | 有条件商用 |
24 | Claude Opus 4.6 思考水平·中 | 85.19 | 2026-02-05 | 未知 | 闭源 |
25 | Gemini 3.1 Pro Preview 思考水平·高 | 84.73 | 2026-02-20 | 未知 | 闭源 |
26 | Claude Opus 4.6 思考水平·低 | 84.61 | 2026-02-05 | 未知 | 闭源 |
27 | Qwen3.6-35B-A3B 开启思考 | 83.53 | 2026-04-16 | 350亿 | 免费商用 |
28 | GPT-5.4 思考水平·高 | 82.99 | 2026-03-05 | 未知 | 闭源 |
29 | Claude Sonnet 4.6 思考水平·高 | 82.82 | 2026-02-17 | 未知 | 闭源 |
30 | Claude Sonnet 4.6 思考水平·低 | 82.80 | 2026-02-17 | 未知 | 闭源 |
截至 2026 年 8 月 30 日回读官方 API（needles=8）：Claude Opus 5（max）97.72%、GPT-5.6 Sol（max）97.63%、Qwen3.8-Max（xhigh）96.92% 位居前列。
