LMArena 文本榜
基于 LMArena Chatbot Arena 真人盲测投票 + Bradley–Terry / Elo 算法的当前 Top 10 大模型。点击模型名查看 ToolHub 上对应的家族页；旁边 ↗ 图标跳官方页面。
| # | 模型 | Elo 分数 |
|---|---|---|
| 1 | Anthropic | 1509 |
| 2 | Anthropic | 1504 |
| 3 | Anthropic | 1502 |
| 4 | Anthropic | 1499 |
| 5 | Anthropic | 1494 |
| 6 | Meta | 1487 |
| 7 | 1486 | |
| 8 | 1486 | |
| 9 | Anthropic | 1484 |
| 10 | OpenAI | 1481 |
- 第 1 到第 10 的 Elo 差距只有 28 分。10 分以内的差距在统计上往往不显著——前 10 基本是一个梯队，差异更多体现在 擅长场景和成本，而不是“谁更聪明”。
- 按任务挑模型，不要按总榜挑：写代码 / 重构 / 长文档分析优先 Claude； 日常通用 + 语音 + 图像优先 ChatGPT； Workspace 集成 / 多模态优先 Gemini； 自部署 / 免费首选 Meta AI / Llama。
- “thinking” 变体值不值得用？带 thinking 后缀的模型在硬推理上更强，但延迟和成本明显更高。日常对话用普通版， 遇到棘手编程 / 数学 / 多步推理再切到 thinking 版。
- 本表只看文本榜。编程实战、网页搭建、视觉理解、长上下文各有专门子榜—— 访问官方 LMArena 查 WebDev、Vision、Coding 等分项。
如何看懂 Chatbot Arena 排行榜
LMArena（原 LMSYS）Chatbot Arena 是大模型「真人偏好」评测的事实标准。真实用户在盲测对战里投票，平台用 Bradley–Terry 模型 + Elo 评分算出你在上方快照里看到的排名。
文本榜代表通用对话表现。WebDev、Vision、Coding 等子榜专测特定领域能力——如果你的需求是写代码或处理图像，直接看相应子榜比看总榜更准。
几个看榜要点：Elo 差距 10 分以内不一定有显著差异；带 "thinking" 后缀的版本通常分数更高但延迟和成本也更高；新加入的模型在投票样本稳定前排名波动较大。
可以一起参考的模型排行榜资源
如果你的核心需求就是直接看官方榜单、获取最新实时结果，官方 Arena 仍然是首选。
如果你除了排名之外，还想结合可用性、价格和生态支持一起看，OpenRouter 更偏产品决策视角。
如果你更重视 benchmark 指标而不是用户对战偏好，这类榜单会更适合做技术向比较。
产品截图
功能特点
- 基于真实用户投票评测
- Elo 风格大模型评分体系
- Bradley–Terry 统计排名模型
- 双模型匿名对话对战体验
- 汇总开源与商用模型表现
- 排行榜数据持续滚动更新
- 完全免费网页版评测入口
- 按任务类型细分能力洞察
相关标签
如何高效使用 Chatbot Arena
重点查看“编程 (Coding)”或“高难度提示词 (Hard Prompts)”分类榜单，如果您正在寻找处理复杂逻辑或软件开发任务的最佳模型。
参与“匿名对战 (Side-by-side)”，在为 ELO 排名贡献数据的同时，用您的极端测试用例亲身验证不同模型的表现。
关注“风格控制”和“长文本 (Long Context)”专项更新，了解哪些模型在遵循严格格式或处理超大规模文档时表现更优。
常见问题
用户评论
相关工具推荐
查看更多
Lynote
Lynote 结合 AI 检测、YouTube 转录和笔记提取流程，帮助学习者和创作者检查原创性，并把视频转成可搜索笔记。
MiocAI
MiocAI 是一款带记忆能力的 AI 角色聊天工具，结合角色互动、图像功能和视觉叙事，适合私密虚构创作。
ZenMux
ZenMux is the world's first enterprise-grade large model aggregation platform with an insurance payout mechanism, providing unified API access to top models while guaranteeing output quality and stability.
Tea checker
Discreet, verified lookup service for the anonymous Tea dating feedback app.