跳到正文
評測來源

Arena Text Style-Controlled

LMArena · 真人匿名兩兩比較回答,看大家更願意讀哪一個。補上選擇題看不出的整體體驗。

官方評測
在 ATech Hot 中參與排名
評測權重5%
來源資料更新時間11/19 08:00
最近成功同步11/22 02:05

它測什麼,怎麼測

只取官方發佈快照中的 Text Overall style-controlled 主榜,不抓取 arena.ai 實時頁面。

如何使用這份證據

真人偏好預算 10% 分為整體 5% 和創作 5%;與 Arena 的編程和視覺評測仍共用評測類型。按官方成績數據時間判斷新舊。

評測成績

按固定規則,每個公開模型採用一套用作比較的設定;沒有可採用設定的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。

原榜名次原榜型號原始成績用作比較的設定
1Gemini 4 Carbon (High)google1,527High 推理
2Gemini 4 Argon (High)google1,519.6High 推理
3Gemini 4 Neon (High)Google1,512.9High 推理
4Muse Wonder (Max)Meta1,511.4Max 推理
5Claude Opus 5.5 (High)Anthropic1,506High 推理
6Claude Fable 5 (High)Anthropic1,504.1High 推理
7Claude Fable 5.2 (Max)Anthropic1,503.1Max 推理
8Claude Opus 4.6 (High)Anthropic1,502.8High 推理
9Claude Fable 5.1 (Max)Anthropic1,502.8Max 推理
10Claude Opus 4.7 (High)Anthropic1,501.2High 推理
11Muse Spark 1.3 (Max)Meta1,498.4Max 推理
12Gemini 3.8 Flash (High)Google1,497.3High 推理
15Muse Spark 1.2 (xHigh)Meta1,493.3xHigh 推理
16Muse Spark 1.1Meta1,491.1來源預設配置
17Gemini 3.7 Flash (High)Google1,489.9High 推理
18Gemini 4 Hydrogen (High)google1,489.8High 推理
20Muse SparkMeta1,489.3來源預設配置
21Claude Opus 5 (Max)Anthropic1,488.8Max 推理
22Kimi K3 (Max)Moonshot AI1,487.8Max 推理
23Gemini 3.1 Pro PreviewGoogle1,486.8來源預設配置
24Gemini 3 ProGoogle1,485.6來源預設配置
25GPT-5.6 Sol (xHigh)OpenAI1,485.1xHigh 推理
26Qwen3.8-MaxAlibaba1,484來源預設配置
27Gemini 3.6 Flash (High)Google1,482.7High 推理
28GPT-6.1 Sol (Max)openai1,482.6Max 推理
29Kimi K3.1 Pro (Max)Kimi1,482.1Max 推理
30GLM-5.3 (Max)Z.ai1,481.9Max 推理
31Claude Opus 4.8 (High)Anthropic1,481.9High 推理
32GPT-5.5 (High)OpenAI1,481High 推理
33MiMo-V2.6-ProXiaomi1,481來源預設配置
評測侷限與數據署名

人類偏好受風格、用户結構和提示分佈影響。整體與創作分類存在重疊投票,共享原有真人偏好預算,不視為兩家獨立評測機構。

數據許可:CC BY 4.0

成績由 LMArena 發佈,原始分數與 ATech Hot 共識指數使用不同尺度,不能直接相加。