LMArena 文本榜
来源：lmarena.ai
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 |
ToolHub 视角
- 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
LMSYS 官方 Arena
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。
OpenRouter Rankings
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。
Hugging Face 开源模型榜单
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
AI
artificial-intelligence
lmsys
chatbot
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
还没有评论，来分享你的使用体验吧
