評測來源官方評測
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。
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 |
|---|---|---|---|
| 1 | Gemini 4 Carbon (High)google | 1,527 | High 推理 |
| 2 | Gemini 4 Argon (High)google | 1,519.6 | High 推理 |
| 3 | Gemini 4 Neon (High)Google | 1,512.9 | High 推理 |
| 4 | Muse Wonder (Max)Meta | 1,511.4 | Max 推理 |
| 5 | Claude Opus 5.5 (High)Anthropic | 1,506 | High 推理 |
| 6 | Claude Fable 5 (High)Anthropic | 1,504.1 | High 推理 |
| 7 | Claude Fable 5.2 (Max)Anthropic | 1,503.1 | Max 推理 |
| 8 | Claude Opus 4.6 (High)Anthropic | 1,502.8 | High 推理 |
| 9 | Claude Fable 5.1 (Max)Anthropic | 1,502.8 | Max 推理 |
| 10 | Claude Opus 4.7 (High)Anthropic | 1,501.2 | High 推理 |
| 11 | Muse Spark 1.3 (Max)Meta | 1,498.4 | Max 推理 |
| 12 | Gemini 3.8 Flash (High)Google | 1,497.3 | High 推理 |
| 15 | Muse Spark 1.2 (xHigh)Meta | 1,493.3 | xHigh 推理 |
| 16 | Muse Spark 1.1Meta | 1,491.1 | 來源預設配置 |
| 17 | Gemini 3.7 Flash (High)Google | 1,489.9 | High 推理 |
| 18 | Gemini 4 Hydrogen (High)google | 1,489.8 | High 推理 |
| 20 | Muse SparkMeta | 1,489.3 | 來源預設配置 |
| 21 | Claude Opus 5 (Max)Anthropic | 1,488.8 | Max 推理 |
| 22 | Kimi K3 (Max)Moonshot AI | 1,487.8 | Max 推理 |
| 23 | Gemini 3.1 Pro PreviewGoogle | 1,486.8 | 來源預設配置 |
| 24 | Gemini 3 ProGoogle | 1,485.6 | 來源預設配置 |
| 25 | GPT-5.6 Sol (xHigh)OpenAI | 1,485.1 | xHigh 推理 |
| 26 | Qwen3.8-MaxAlibaba | 1,484 | 來源預設配置 |
| 27 | Gemini 3.6 Flash (High)Google | 1,482.7 | High 推理 |
| 28 | GPT-6.1 Sol (Max)openai | 1,482.6 | Max 推理 |
| 29 | Kimi K3.1 Pro (Max)Kimi | 1,482.1 | Max 推理 |
| 30 | GLM-5.3 (Max)Z.ai | 1,481.9 | Max 推理 |
| 31 | Claude Opus 4.8 (High)Anthropic | 1,481.9 | High 推理 |
| 32 | GPT-5.5 (High)OpenAI | 1,481 | High 推理 |
| 33 | MiMo-V2.6-ProXiaomi | 1,481 | 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。