BenchLeader

LMArena Text 排行榜

截至 2026年11月16日,LMArena Text 的最高分为 1526,由 Gemini 4 Carbon(Google)取得,领先于 Gemini 4 Argon(1522)。共有 384 个模型配置公布了结果(Arena (LMArena),结果日期 2026年11月11日)。LMArena 向访客展示两个匿名模型对同一提示词的回答,请访客判断哪个更好。数以百万计的投票汇总成一个评分,这里采用了风格控制,削弱长度和格式的影响。LMArena Text 计入 BenchLeader Index 的人类偏好得分。

要点(截至 2026年11月16日)

  • Gemini 4 Carbon 以 1526 保持 Arena Text 最高分(Arena (LMArena),2026年11月11日)。
  • Gemini 4 Argon 以 1522 位列 Arena Text 第二(Arena (LMArena),2026年11月11日)。
  • Arena Text:文本竞技场总评分(已做风格控制)(Arena (LMArena))。
  • BenchLeader 上有 384 个模型配置公布了 Arena Text 结果(BenchLeader,2026年11月16日)。
  • Arena Text 计入 BenchLeader Index 的人类偏好类别(BenchLeader 方法论)。

文本竞技场总评分(已做风格控制)。

发布方
Arena (LMArena)
类别
人类偏好
Index 权重
1.0
模型
384
数据截至
2026年11月16日

Arena Text 本周动态

2026年11月9日至2026年11月16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.

测试内容

LMArena 向访客展示两个匿名模型对同一提示词的回答,请访客判断哪个更好。数以百万计的投票汇总成一个评分,这里采用了风格控制,削弱长度和格式的影响。

评分方式

以类 Elo 单位表示的 Bradley-Terry 评分:相差 100 分意味着分高的模型在两两对决中约有 64% 的胜率。附带置信区间。

注意事项

它衡量的是人们在聊天中更喜欢什么,偏向讨喜、格式整齐的回答,而且投票人群是自我选择的。提供商可以匿名测试未发布的版本,新上榜模型的投票需要数周才会稳定。

384 / 384
#
1Gemini 4 Carbonhigh152668.92026-11-11$4.00
2Gemini 4 Argonhigh152265.32026-11-11$4.00
3Muse Wondermax151160.82026-11-11$8.00
4Claude Opus 5.5high150766.02026-11-11$8.00
5Claude Fable 5high150463.92026-11-11$20.00
6Claude Opus 4.6high150362.52026-11-11$10.00
7Claude Fable 5.1max150266.72026-11-11$20.00
8Claude Opus 4.7high150160.02026-11-11$10.00
9Gemini 3.8 Flashhigh149759.42026-11-11$1.50
10Muse Spark 1.3max149760.62026-11-11$2.00
11Claude Opus 4.6149662.12026-11-11$10.00
12Claude Opus 4.7149463.12026-11-11$10.00
13Muse Spark 1.2xhigh149361.52026-11-11$2.00
14Muse Spark 1.1149162.22026-11-11$2.00
15新Gemini 4 Hydrogenhigh149063.42026-11-11$3.00
16Claude Opus 5high149064.42026-11-11$10.00
17Gemini 3.7 Flashhigh148962.12026-11-11$1.50
18Muse Spark148964.22026-11-11–
19Claude Opus 5max148965.02026-11-11$10.00
20Kimi K3max148760.22026-11-11$6.00
21Gemini 3.1 Pro148759.92026-11-11$4.50
22Gemini 3 Pro148660.02026-11-11–
23GPT-5.6 Solxhigh148563.92026-11-11$8.00
24Kimi K3.1 Promax148559.92026-11-11$4.00
25Qwen3.8 Maxmax148458.72026-11-11$3.00
26Gemini 3.6 Flashhigh148361.02026-11-11$1.50
27Claude Opus 4.8high148260.42026-11-11$10.00
28GLM 5.3max148258.82026-11-11$2.15
29GPT-5.5high148163.52026-11-11$11.25
30GPT-6.1 Solmax148166.62026-11-11$4.00
31MiMo-V2.6-Pro148057.52026-11-11$0.548
32Gemini 3.5 Flashhigh147862.52026-11-11$3.38
33GPT-5.5147661.02026-11-11$11.25
34Gemini 3.5 Flashmedium147661.82026-11-11$3.38
35GPT-5.2147656.72026-11-11$4.81
36GLM 5.3 Flash147557.82026-11-11$0.238
37GPT-5.4high147558.62026-11-11$5.63
38DeepSeek V4.1 Flashmax147558.52026-11-11$0.525
39GLM 5.2max147558.92026-11-11$2.15
40Grok 4.20 11475–2026-11-11–
41Claude Opus 4.8147458.72026-11-11$10.00
42GPT-6 Astramax147467.32026-11-11$20.00
43Qwen3.7max147460.02026-11-11$3.75
44Claude Opus 4.5high147459.72026-11-11$10.00
45GPT-5.5 Instant147356.92026-11-11$11.25
46Gemini 3 Flash147356.52026-11-11$1.13
47Claude Sonnet 5.5xhigh147362.52026-11-11$4.00
48Claude Sonnet 4.6147257.62026-11-11$6.00
49Grok 4.20thinking147258.32026-11-11$1.56
50Grok 4.20 Multi-Agent147158.52026-11-11$1.56
51Claude Opus 4.5147057.12026-11-11$10.00
52GPT-5.6 Terraxhigh146860.12026-11-11$4.50
53ERNIE 5.11467–2026-11-11–
54MiMo-V2.5-Pro146655.52026-11-11$1.50
55Grok 4.5146659.32026-11-11$3.00
56Grok 4.1thinking146554.52026-11-11–
57GPT-5.4146557.92026-11-11$5.63
58GLM 5.1146555.42026-11-11$2.15
59Qwen3.5 Maxmax1465–2026-11-11–
60DeepSeek V4 Prohigh146456.02026-11-11$1.98

更多人类偏好基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《Arena Text 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/lmarena_text。

Arena Text:常见问题

Arena Text 衡量的是什么?
LMArena 向访客展示两个匿名模型对同一提示词的回答,请访客判断哪个更好。数以百万计的投票汇总成一个评分,这里采用了风格控制,削弱长度和格式的影响。分数以基于两两对比的 Elo 式评分表示,越高越好。
Arena Text 的最高分是多少?
截至 2026年11月16日,Arena Text 的最高分为 1526,由 Gemini 4 Carbon 取得(结果日期 2026年11月11日),领先于 Gemini 4 Argon(1522)。分数来自 Arena (LMArena),每天重新读取。
哪个 AI 模型在 Arena Text 上领先?
截至 2026年11月16日,Arena Text 排名第一的是 Gemini 4 Carbon,分数为 1526(结果日期 2026年11月11日)。其后为 Gemini 4 Argon(1522)。
有多少模型有 Arena Text 结果?
BenchLeader 上有 384 个模型配置有 Arena Text 结果,全部取自 Arena (LMArena)。
Arena Text 由谁运行,多久更新一次?
Arena Text 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 Text 是否计入 BenchLeader Index?
计入。Arena Text 计入 BenchLeader Index 的人类偏好类别,并经过归一化,使参评模型的平均值为 50。