AI 模型排行榜

真实偏好，公开数据

大多数榜单来自用户对匿名模型回答的比较。Agent 榜以真实任务中的反馈衡量净提升，用百分比表示。名次、分数和误差均取自 Arena 发布的数据集。

如何阅读分数

条形末端的细线是 95% 置信区间。区间重叠意味着差异仍有不确定性；名次区间按同一期完整分类的置信区间推导，不改变数据集名次。

不同口径，分别比较

文本榜可选择风格校正、原始分与事实性。风格校正减少回答长度和排版的影响。不同子集、场景与推理档位分别展示，不合并排名。

发布与走势

每个榜单标注自己的发布日期。“较上一期”和近 8 期按相同子集、相同分类的发布计算，不跨越 2025-05-16 的计分调整日；缺失期不插值。上榜模型数按当前各榜的模型原名与厂商去重。