LMArena · 综合

如何解读此排行榜

衡量什么： 该排名汇总了 LMArena 用户在模型名称隐藏的情况下，比较两个模型的回答并投票的结果。与 LMArena 网站的默认设置一致，采用“语气与长度校正（style control）”排名，通过统计方法校正回答长度、Markdown 等格式对投票的影响。

如何解读分数： 这是通过 Bradley–Terry 模型估计投票结果，并以类似 Elo 的尺度显示的相对分数。95% 置信区间表示估计的不确定性，仅凭区间重叠不能断定能力相同。

注意事项： 由于评估的是用户更偏好的回答，结果可能受到语气、长度、格式等因素的影响，而不仅是准确性。请同时查看所应用的筛选和校正设置。

本次排名的解读要点

• 第 1 名 gemini-4-argon-high 与第 2 名 claude-opus-4-6-high 的 95% 置信区间不重叠。在本次统计中，第 1 名领先的证据较为明确。
• 前 10 个模型中，Anthropic 的模型有 7 个，数量最多。
• 第 1 名模型获得了 4,932 票，此排行榜包含 413 个模型。