BenchLeader

LMArena Search Factuality 排行榜

截至 2026年11月21日,LMArena Search Factuality 的最高分为 1248,由 GPT-5.6 Sol(OpenAI)取得,领先于 Web Search Agent(1247)。共有 43 个模型配置公布了结果(Arena (LMArena),结果日期 2026年11月19日)。以 25% 权重纳入事实性核查的搜索竞技场评分:逐条核查每个联网搜索回答中可在网上验证的陈述,事实错误会拉低模型的评分。LMArena Search Factuality 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月21日)

  • GPT-5.6 Sol 以 1248 保持 Arena Search Factuality 最高分(Arena (LMArena),2026年11月19日)。
  • Web Search Agent 以 1247 位列 Arena Search Factuality 第二(Arena (LMArena),2026年11月19日)。
  • Arena Search Factuality:以 25% 权重纳入事实性核查的搜索竞技场评分:逐条核查每个联网搜索回答中可在网上验证的陈述,事实错误会拉低模型的评分(Arena (LMArena))。
  • BenchLeader 上有 43 个模型配置公布了 Arena Search Factuality 结果(BenchLeader,2026年11月21日)。
  • Arena Search Factuality 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

以 25% 权重纳入事实性核查的搜索竞技场评分:逐条核查每个联网搜索回答中可在网上验证的陈述,事实错误会拉低模型的评分。

发布方
Arena (LMArena)
类别
智能体与工具
Index 权重
仅作参考
模型
43
数据截至
2026年11月21日

Arena Search Factuality 本周动态

2026年11月14日至2026年11月21日,每个模型一行(取其在本排行榜上的最佳设置)。

CC BY 4.0 — lmarena-ai/leaderboard-dataset on Hugging Face.

43 / 43
#
1GPT-5.6 Solxhigh124863.72026-11-19$8.00
2新Web Search Agent1247–2026-11-19–
3GPT-5.5124760.82026-11-19$11.25
4Qwen3.8 Max124260.82026-11-19$3.00
5GPT-6 Astramax123866.82026-11-19$20.00
6GPT-6.1 Solmax123665.82026-11-19$4.00
7Claude Opus 4.6122760.72026-11-19$10.00
8GPT-5.2122455.42026-11-19$4.81
9Grok 4.5122058.92026-11-19$3.00
10ERNIE 5.11214–2026-11-19–
11Claude Opus 5high121464.22026-11-19$10.00
12Claude Fable 5.1high121463.02026-11-19$20.00
13GPT-5.4121257.72026-11-19$5.63
14Claude Fable 5high121263.32026-11-19$20.00
15Claude Opus 4.7121163.02026-11-19$10.00
16Claude Opus 5.5medium120760.52026-11-19$8.00
17GPT-5.1120455.02026-11-19$3.44
18Claude Sonnet 4.6120258.32026-11-19$6.00
19GPT-5.2无推理119948.42026-11-19$4.81
20GPT-6 Solmax119862.42026-11-19$4.00
21Gemini 3.1 Pro119859.52026-11-19$4.50
22Grok 4.20 Multi-Agent119858.42026-11-19$1.56
23Grok 4.20 11196–2026-11-19–
24Claude Opus 4.8119558.52026-11-19$10.00
25Gemini 3 Pro119460.32026-11-19$4.50
26新GPT-6.2 Astramax119368.32026-11-19$16.00
27GPT-6 Lunamax118354.42026-11-19$0.200
28新GPT-6.2 Solmax118364.42026-11-19$4.00
29Claude Opus 4.5118056.92026-11-19$10.00
30Gemini 3 Flash117958.52026-11-19$1.13
31Claude Sonnet 5117952.52026-11-19$4.00
32Grok 4.3117554.42026-11-19$1.56
33Gemini 2.5 Pro116353.52026-11-19$3.44
34Claude Sonnet 4.5116153.62026-11-19$6.00
35Sonar Reasoning Prohigh1155–2026-11-19$3.50
36Claude Opus 4.1115451.72026-11-19$30.00
37Grok 4.1 Fast1152–2026-11-19$0.275
38Grok 4 Fast1147–2026-11-19$0.275
39GPT-5114456.82026-11-19$3.44
40Claude Opus 4113951.72026-11-19$30.00
41Sonar Prohigh1132–2026-11-19$6.00
42Grok 4113058.02026-11-19$6.00
43o3112960.82026-11-19$3.50

更多智能体与工具基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《Arena Search Factuality 排行榜》,数据截至 2026年11月21日,https://www.benchleader.com/zh/benchmarks/lmarena_search_factuality。

Arena Search Factuality:常见问题

Arena Search Factuality 衡量的是什么?
以 25% 权重纳入事实性核查的搜索竞技场评分:逐条核查每个联网搜索回答中可在网上验证的陈述,事实错误会拉低模型的评分。分数以基于两两对比的 Elo 式评分表示,越高越好。
Arena Search Factuality 的最高分是多少?
截至 2026年11月21日,Arena Search Factuality 的最高分为 1248,由 GPT-5.6 Sol 取得(结果日期 2026年11月19日),领先于 Web Search Agent(1247)。分数来自 Arena (LMArena),每天重新读取。
哪个 AI 模型在 Arena Search Factuality 上领先?
截至 2026年11月21日,Arena Search Factuality 排名第一的是 GPT-5.6 Sol,分数为 1248(结果日期 2026年11月19日)。其后为 Web Search Agent(1247)。
有多少模型有 Arena Search Factuality 结果?
BenchLeader 上有 43 个模型配置有 Arena Search Factuality 结果,全部取自 Arena (LMArena)。
Arena Search Factuality 由谁运行,多久更新一次?
Arena Search Factuality 由 Arena (LMArena) 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
Arena Search Factuality 是否计入 BenchLeader Index?
不计入。Arena Search Factuality 仅作参考展示,不计入综合分数。