LMArena

LMArena

全球最大的大模型匿名盲测评测平台,以真人投票驱动Elo排行榜,覆盖文本、代码、视觉、图像、视频与智能体,免费体验上百款顶级AI模型,并提供企业级AI Evaluations评测服务。

#Ai工具箱 #Ai平台模型
收藏
Loomy办公智能体

LMArena简介

LMArena是什么

LMArena(现Arena)是目前全球影响力最大的大模型匿名盲测评测平台,同一个问题丢给两个匿名模型,用户投票后揭晓身份,结果经 Bradley–Terry 模型折算成 Elo 分数。每天约 80% 的提问是全新的,模型没法背题。LMArena前身是 2023 年伯克利 LMSYS 团队发起的 Chatbot Arena,2025 年 1 月更名 LMArena,2026 年 1 月正式启用 arena.ai 域名。

公司化后融资节奏很快,2025 年 5 月种子轮 1 亿美元,2026 年 1 月 A 轮 1.5 亿美元,2026 年 10 月 B 轮 2 亿美元。 商业侧,企业评测服务 AI Evaluations 上线 8 个月年化收入突破 1 亿美元。 个人端完全免费,累计已有数亿次对话、数千万张投票。

LMArena - 全球最大的大模型匿名盲测评测平台


核心功能

  • Battle / Arena 盲测:默认模式,两模型匿名对战,投票计入排行榜

  • Direct Chat:指定单一模型对话,适合深度体验

  • Side by Side:自选两个模型并排对比

  • Agent Mode:跑长程智能体任务,2026 年 10 月上线 Connectors,可接入 GitHub、Notion、Gmail、Linear 等真实工具

  • 多模态评测:Vision、Image、Video

  • Code Arena / WebDev Arena:按需求生成前端页面,用户投票排名

  • Search Arena:检索问答能力评测

  • Agent Arena Index(2026 年 11 月新发布):智能体综合指数,含 Agentic Work、Coding、Chat、Task Outcomes、Tool Use、Steering 六个细分维度,基于数百万真实任务会话合成

  • Alignment Index:测三类对齐问题——谎称完成任务、擅自执行未授权操作、错误归因

  • WorldArena:具身世界模型评测基准,清华联合普林斯顿、北大等发起,分 Track-1和 Track-2

  • AI Evaluations:面向模型厂商和企业的付费评测,提供可追溯样本与 SLA

  • Inclusion Arena:通过 API/SDK 把成对评测嵌入真实 AI 应用,采集生产环境人类反馈

为什么选 LMArena

  • 测的是真实用户偏好,不是静态题库刷分

  • 匿名投票,品牌滤镜被去掉

  • 经常能提前玩到厂商未发布的模型

  • 免费、无注册门槛,覆盖上百款主流模型

  • 模态最全,文本、代码、视觉、图像、视频、智能体、对齐一个入口横向比

  • 行业事实标准,厂商发布会引用、媒体引用、Polymarket 上甚至有用 Arena 排名结算的预测市场

  • 企业侧可追溯,AI Evaluations 提供样本溯源与 SLA

适用场景与群体

  • 模型厂商 / 实验室:发布前匿名压测、发现短板、上线后回归

  • 企业技术负责人:按任务类型做模型选型与成本—性能比对

  • 开发者 / 独立开发者:用 Code Arena、Agent Mode 验证编码与智能体能力

  • 研究者:引用公开榜单与数据集做偏好建模、偏差研究

  • 内容创作者 / 设计师:文生图、视频生成同题对比

  • 媒体与投资者:以榜单为行业能力风向标

  • 普通用户 / 学生:零成本体验全球顶级模型

LMArena用法步骤

  1. 打开 arena.ai(旧域名 lmarena.ai 也可),国内直连可能不稳定,建议用邮箱注册登录保留记录

  2. 顶部选模式:Arena 盲测(默认)、Direct Chat 指定模型、Side by Side 并排对比、Agent Mode 跑长程任务

  3. 提问并投票,问题越具体越能拉开差距,投票后揭晓模型身份

  4. 多模态在输入框下方开启 Image 模式上传参考图;视频生成入口在 Discord 社区频道

  5. 进 Leaderboard 按 Text / Code / Vision / Image / Video / Search / Agent / Alignment 分类查看,注意同时看分数、置信区间、票数

企业需要私有化、可追溯样本与 SLA 走 AI Evaluations;已上线应用可用 Inclusion Arena 嵌入真实用户评测

常见问题

问:收费吗? 个人端免费,无付费层级。收入来自企业侧 AI Evaluations 与融资。

问:有公开 API 吗? 没有面向个人的免费推理 API。榜单数据可通过 Hugging Face 公开数据集获取。

问:榜单第一可信吗? 需辩证看。它测的是"用户偏好",不等于"事实正确"。有分析发现约 52% 的获胜回答存在事实错误,用户也明显偏好更长、排版更漂亮的回答。 建议与硬指标榜单交叉验证。

问:数据安全吗? 对话与投票可能用于研究与榜单构建,部分入口如 Discord 视频频道内容完全公开。切勿输入公司机密或隐私数据。

问:最新榜单第一是谁?截至 2026 年 11 月中旬,Agent Arena Index 榜首 Claude Fable 5.2 (Max) 1463 分;文本总榜 Gemini 4 Carbon (high) 约 1526 分居首;Code Arena 网页开发榜前二为 Claude Fable 5.2、Claude Opus 5.5。

主流竞品对比

平台评测范式优势局限与 Arena 的差异
LMArena(Arena)真人匿名成对盲测 + Elo数据量最大、更新最快、模态最全、可提前测未发布模型、免费偏好≠正确,易被长度/排版风格影响基准本身
Artificial Analysis自付费调 API 跑标准化客观测试口径透明、含价格/速度/首字延迟题目固定,存在饱和与污染风险常给出不同"冠军",两者互补
Scale SEAL专家私有题库、防污染抗刷分、专业性强覆盖模型少、更新慢、不透明更偏专家判断
SuperCLUE中文场景基准中文能力与本土化任务刻画更细国际化与多模态覆盖弱中文选型可优先参考
OpenRouter模型路由与渠道报价真实调用价格、上下文长度不做能力评测常与 Arena 榜单搭配做成本决策
DiffMind 等多模型聚合工作台同屏多模型并排作答生产力导向、服务实际交付不产出行业公认排名要"干活"选它,要"评判"选 Arena
Yupp用户免费体验 + 向实验室卖评测模式类似2026 年 3 月 31 日已停止运营反证 Arena 商业化的稀缺性


到头啦!

与LMArena相关工具