跳到正文
評測來源

Arena Vision Style-Controlled

LMArena · 真人盲選帶圖片的回答,觀察視覺理解的實際體驗。

官方評測
在 ATech Hot 中參與排名
評測權重6%
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

只讀取官方數據集 vision_style_control 的 overall;不含圖像生成或圖像編輯。

如何使用這份證據

視覺預算 6%;仍是人類偏好證據,不能等同嚴格圖像準確率。

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
1Claude Fable 5 (High)Anthropic1,308.8High 推理
2Claude Fable 5.2 (Max)Anthropic1,305.3Max 推理
4Claude Opus 4.6 (High)Anthropic1,298.2High 推理
5Claude Opus 4.7 (High)Anthropic1,298High 推理
6Gemini 3.7 Flash (High)Google1,294.2High 推理
7Muse SparkMeta1,294來源預設配置
8Qwen3.8-MaxAlibaba1,293.7來源預設配置
9Claude Opus 5.5 (High)Anthropic1,293.2High 推理
10Muse Spark 1.2 (xHigh)Meta1,293xHigh 推理
12Gemini 3.8 Flash (High)Google1,292.8High 推理
13GPT-6.1 Sol (Max)openai1,289.9Max 推理
14Claude Fable 5.1 (Max)Anthropic1,289.8Max 推理
15Gemini 3 ProGoogle1,289.1來源預設配置
16Muse Spark 1.3 (Max)Meta1,288.2Max 推理
17GPT-5.6 Sol (xHigh)OpenAI1,288.1xHigh 推理
19Claude Opus 4.8 (High)Anthropic1,285.5High 推理
20Claude Opus 5 (High)Anthropic1,285.3High 推理
22GPT-5.5 (High)OpenAI1,283.9High 推理
24GPT-5.4 (High)OpenAI1,282High 推理
25Gemini 3.5 Flash (High)Google1,281.1High 推理
26GPT-6 Astra (Max)OpenAI1,281Max 推理
27Gemini 3.1 Pro PreviewGoogle1,280.4來源預設配置
28Grok 4.5xAI1,280.3來源預設配置
29Gemini 3.6 Flash (High)Google1,280High 推理
30Muse Spark 1.1Meta1,278.9來源預設配置
32GPT-5.5 InstantOpenAI1,277.7來源預設配置
33GPT-5.2 Chat (20260210)openai1,277.5來源預設配置
35Claude Sonnet 4.6Anthropic1,274.7來源預設配置
36GLM-5.3-FlashZ.ai1,273.8來源預設配置
37Gemini 3 FlashGoogle1,272.2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。