跳到正文

Arena Text Style-Controlled

LMArena · 真人匿名两两比较回答,看大家更愿意读哪一个。补上选择题看不出的整体体验。

官方评测
在 kuakeAI头条 中交叉参考
证据预算不参与排序
上游数据时间11/18 08:00
最近成功同步11/19 20:05

它测什么,怎么测

只取官方发布快照中的 Text Overall style-controlled 主榜,不抓取 arena.ai 实时页面。

如何使用这份证据

整体文本榜仅交叉参考;创作分类已单独使用,不再叠加整体票。

评测成绩

按固定规则,每个公开模型采用一套代表配置;没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示,保留原榜名次,每项最多 30 个。

原榜名次原榜型号原始成绩代表配置
1Gemini 4 Carbon (High)Google1,525.9High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
2Gemini 4 Argon (High)Google1,520.6High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
3Gemini 4 Neon (High)Google1,518.5High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
4Muse Wonder (Max)Meta1,510.7Max 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
5Claude Opus 5.5 (High)Anthropic1,507High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
6Claude Fable 5 (High)Anthropic1,504.1High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
7Claude Opus 4.6 (High)Anthropic1,502.8High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
8Claude Fable 5.1 (Max)Anthropic1,502.1Max 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
9Claude Opus 4.7 (High)Anthropic1,501.1High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
10Muse Spark 1.3 (Max)Meta1,497.6Max 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
11Gemini 3.8 Flash (High)Google1,496.7High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
14Muse Spark 1.2 (xHigh)Meta1,493xHigh 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
15Muse Spark 1.1Meta1,491.1来源默认配置未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
16Gemini 4 Hydrogen (High)Google1,489.8High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
17Gemini 3.7 Flash (High)Google1,489.7High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
19Muse SparkMeta1,489.3来源默认配置未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
20Claude Opus 5 (Max)Anthropic1,488.7Max 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
21Kimi K3 (Max)Moonshot AI1,487.3Max 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
22Gemini 3.1 Pro PreviewGoogle1,486.8来源默认配置未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
23Kimi K3.1 Pro (Max)Moonshot AI1,486.6Max 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
24Gemini 3 ProGoogle1,485.6来源默认配置未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
25GPT-5.6 Sol (xHigh)OpenAI1,485.2xHigh 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
26Qwen3.8-MaxAlibaba1,484.2来源默认配置未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
27GPT-6.1 Sol (Max)OpenAI1,482.9Max 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
28Gemini 3.6 Flash (High)Google1,482.7High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
29GLM-5.3 (Max)Z.ai1,482.6Max 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
30Claude Opus 4.8 (High)Anthropic1,481.9High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
31GPT-5.5 (High)OpenAI1,481.2High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
32MiMo-V2.6-ProXiaomi1,480.4来源默认配置未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
33Gemini 3.5 Flash (High)Google1,478.4High 推理未计入:整体文本偏好是复合结果,仅供交叉核对,不与细分结果重复计分。
评测局限与数据署名

人类偏好受风格、用户结构和提示分布影响;整体与分类存在重叠。

数据许可:CC BY 4.0

成绩由 LMArena 发布,各项原始分数使用不同尺度,不能直接相加;参考位次采用公开的分差标准化规则。