一句话看懂：Arena 更新 Image-to-WebDev 榜单，OpenAI 的 GPT-6 Astra 以 1733 分登顶，领先第二名 23 分；同时有三款模型进入性价比前沿，其中 GLM-5.3-Flash 以每百万 token 0.21 美元的价格拿到 1588 分。
事件核心：发生了什么
Arena.ai 在 9 月 15 日更新了 Image-to-WebDev Arena 榜单，该榜单评估模型从图像、截图生成网站的能力，也覆盖多步推理和工具调用等智能体编程工作流。本次有四款新模型进入评测：OpenAI 的 GPT-6 Astra（Max）以 1733 分排名第一，比同门 GPT-5.6 Sol（xHigh）高出 129 分，比第二名高 23 分；Anthropic 的 Claude Fable 5.1（Max）以 1710 分位列第二，较 Fable 5 提升 87 分，比第三名 Claude Opus 5（Max，1665 分）高 45 分；Meta 的 Muse Spark 1.3（Max）以 1645 分排第四；智谱的 GLM-5.3-Flash 以 1588 分排第十。
为什么重要
这次更新透露两个信号。一是头部模型在“图像到网页”这一具体任务上的分数仍在拉开差距，说明多模态理解与代码生成结合的工程能力还有提升空间。二是性价比维度开始独立成一条竞争线：Arena 按混合价格计算，GPT-6 Astra 是 40 美元/百万 token 换 1733 分，Muse Spark 1.3 是 3.5 美元换 1645 分，GLM-5.3-Flash 则是 0.21 美元换 1588 分。后三者进入 Pareto 前沿，意味着高价不再等于唯一选择，闭源与开源、旗舰与轻量模型之间的定位正在被价格重新划分。
对用户/开发者/创作者的影响
对开发者和团队来说，榜单传递的信息很直接：如果做截图转页面的原型工具或低代码产品，GLM-5.3-Flash 这类低价模型已经能在接近第一梯队的分数上跑量，适合先做大规模试验；对外交付质量要求高的场景，再考虑 GPT-6 Astra 或 Claude Fable 5.1。目前公开信息显示，该榜单只反映图像转网页和智能体编程任务，并不代表模型在通用对话、长文本推理等方向的表现，采购和调用时仍需结合自己的评测集。对创作者而言，截图生成可交互页面的门槛继续降低，从设计稿到可上线网页的路径会更快，但生成结果的稳定性仍取决于模型选择和工程封装。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 GPT-6 Astra 与 Claude Fable 5.1 的分数差距只有 23 分，下一次榜单更新是否会被反超值得观察。二是 GLM-5.3-Flash 的价格优势能否在实际 API 调用中兑现，包括限流、延迟和工具调用稳定性。三是 Image-to-WebDev 这类细分榜单会不会成为厂商发布新模型时的标配评测项，进而影响模型的定价和开源策略。
