評測來源官方評測
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。
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 |
|---|---|---|---|
| 1 | Claude Fable 5 (High)Anthropic | 1,308.8 | High 推理 |
| 2 | Claude Fable 5.2 (Max)Anthropic | 1,305.3 | Max 推理 |
| 4 | Claude Opus 4.6 (High)Anthropic | 1,298.2 | High 推理 |
| 5 | Claude Opus 4.7 (High)Anthropic | 1,298 | High 推理 |
| 6 | Gemini 3.7 Flash (High)Google | 1,294.2 | High 推理 |
| 7 | Muse SparkMeta | 1,294 | 來源預設配置 |
| 8 | Qwen3.8-MaxAlibaba | 1,293.7 | 來源預設配置 |
| 9 | Claude Opus 5.5 (High)Anthropic | 1,293.2 | High 推理 |
| 10 | Muse Spark 1.2 (xHigh)Meta | 1,293 | xHigh 推理 |
| 12 | Gemini 3.8 Flash (High)Google | 1,292.8 | High 推理 |
| 13 | GPT-6.1 Sol (Max)openai | 1,289.9 | Max 推理 |
| 14 | Claude Fable 5.1 (Max)Anthropic | 1,289.8 | Max 推理 |
| 15 | Gemini 3 ProGoogle | 1,289.1 | 來源預設配置 |
| 16 | Muse Spark 1.3 (Max)Meta | 1,288.2 | Max 推理 |
| 17 | GPT-5.6 Sol (xHigh)OpenAI | 1,288.1 | xHigh 推理 |
| 19 | Claude Opus 4.8 (High)Anthropic | 1,285.5 | High 推理 |
| 20 | Claude Opus 5 (High)Anthropic | 1,285.3 | High 推理 |
| 22 | GPT-5.5 (High)OpenAI | 1,283.9 | High 推理 |
| 24 | GPT-5.4 (High)OpenAI | 1,282 | High 推理 |
| 25 | Gemini 3.5 Flash (High)Google | 1,281.1 | High 推理 |
| 26 | GPT-6 Astra (Max)OpenAI | 1,281 | Max 推理 |
| 27 | Gemini 3.1 Pro PreviewGoogle | 1,280.4 | 來源預設配置 |
| 28 | Grok 4.5xAI | 1,280.3 | 來源預設配置 |
| 29 | Gemini 3.6 Flash (High)Google | 1,280 | High 推理 |
| 30 | Muse Spark 1.1Meta | 1,278.9 | 來源預設配置 |
| 32 | GPT-5.5 InstantOpenAI | 1,277.7 | 來源預設配置 |
| 33 | GPT-5.2 Chat (20260210)openai | 1,277.5 | 來源預設配置 |
| 35 | Claude Sonnet 4.6Anthropic | 1,274.7 | 來源預設配置 |
| 36 | GLM-5.3-FlashZ.ai | 1,273.8 | 來源預設配置 |
| 37 | Gemini 3 FlashGoogle | 1,272.2 | 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。