LMArena

LMArena 是全球领先的 AI 大模型评测平台，通过真人盲测对比的方式，为各类大语言模型提供公正、透明的性能评估。

核心特点

真人盲测评测

• 匿名对比：用户不知道正在测试哪个模型
• 并排比较：同时测试两个模型，用户投票选择更好的回答
• 公正透明：基于真实用户反馈，而非固定题库
• 动态更新：排行榜实时更新，反映模型最新表现

多维度评测

• 综合能力：整体模型表现排名
• 中文能力：专门的中文榜单
• 编程能力：代码生成和编程任务评测
• 硬提示词：测试模型处理复杂指令的能力
• 创意写作：评估模型创意和表达能力

丰富的模型库

• 全球模型：涵盖 OpenAI、Anthropic、Google、Meta 等主流模型
• 国产模型：DeepSeek、通义千问、文心一言、智谱等
• 开源模型：LLaMA、Mistral、Qwen 等
• 持续更新：新模型发布后尽快纳入评测

使用方式

竞技场模式

• 选择评测类别（综合、中文、编程等）
• 输入提示词
• 查看两个匿名模型的回答
• 投票选择更好的回答
• 揭晓模型身份

直接对话

• 选择特定模型进行对话
• 对比不同模型的回答风格
• 测试模型在特定任务上的表现

应用价值

• 模型选择：帮助用户选择最适合的 AI 模型
• 性能基准：为模型开发者提供行业基准
• 技术趋势：了解 AI 领域最新发展动态
• 公平比较：避免营销宣传的干扰，获得真实评测

项目背景

• 发起方：LMSYS（Large Model Systems Organization）
• 开源项目：代码和数据开源透明
• 学术界支持：由 UC Berkeley、CMU 等高校研究人员发起
• 社区驱动：全球用户参与评测和投票