登顶！目前大模型竞技排行榜！

前言

数据来源

lmarena.ai

Chatbot Arena大模型竞技场，开放且免费的AI测评网lmarena.ai

排序方式

1. 每次提问时，向随机两个匿名人工智能机器人（如ChatGPT，Gemini，Claude，Liama等）
2. 通过投票选出最佳答案，或者暂时不投票，继续聊天，直到找到获胜者。
3. 公平游戏：如果你是AI，则你的投票不会被计数

目前收录

1. 216个模型
2. 270w+投票

排名

排名（不进行提示）	排名（进行提示）	模型名称	竞技场得分	95%置信区间	投票数	来源组织	许可证
1	2	Grok-3-Preview-02-24	1406	+8/-6	9109	xAI	专有
1	1	GPT-4.5-Preview	1400	+5/-6	8596	OpenAI	专有
3	6	Gemini-2.0-Flash-Thinking-Exp-01-21	1383	+6/-4	21124	Google	专有
3	3	Gemini-2.0-Pro-Exp-02-05	1380	+4/-4	19038	Google	专有
3	2	ChatGPT-4o-latest (2025-01-29)	1375	+6/-4	20936	OpenAI	专有
6	4	DeepSeek-R1	1360	+7/-5	11507	DeepSeek	开源
6	10	Gemini-2.0-Flash-001	1355	+4/-5	16845	Google	专有
6	3	o1-2024-12-17	1352	+4/-6	23441	OpenAI	专有
9	10	Gemma-3-27B-it	1340	+8/-8	5028	Google	Google 自己的许可协议
9	10	Qwen2.5-Max	1339	+4/-5	15607	Alibaba	专有

此处仅摘录前十名，具体请参考官方网站

名词解释：

• 排名（不进行提示）即Rank(UB)：这是模型在不考虑特定风格控制（style control）的情况下，基于其在各种任务中的表现所确定的排名。它反映了模型在不同任务上的综合表现，不涉及对风格的调整。
• 排名（进行提示）即Rank(stylectrl)：这是模型在考虑“风格控制”时的排名。风格控制指的是模型根据提示调整其回复的能力，例如语调、正式程度等。它衡量的是模型在特定风格要求下的表现。
• 95%置信区间 即 95%CI：统计学中常用的一个概念，用于估计总体参数（如均值、比例等）的范围。具体来说，95% 置信区间意味着如果我们多次重复相同的抽样和统计过程，那么在这些构造的区间中，大约有 95% 的区间会包含真实的总体参数值。95% CI 的形式是“+7/-7”、“+7/-9”等，这表示置信区间的上下限相对于某个中心值的变化范围。例如：
  • “+7/-7” 表示置信区间的范围是从中心值减去 7 到中心值加上 7。
  • “+7/-9” 表示置信区间的范围是从中心值减去 9 到中心值加上 7。

这些区间反映了估计值的不确定性。区间越宽，说明估计的不确定性越大；区间越窄，说明估计越精确。