BenchLeader

LMArena Hard Prompts 排行榜

截至 2026年11月16日,LMArena Hard Prompts 的最高分为 1547,由 Gemini 4 Carbon(Google)取得,领先于 Gemini 4 Argon(1545)。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)。与文本竞技场相同的两两投票,但只限于 LMArena 分类器判定为困难的提示词:具体、复杂、多步骤的请求,而不是闲聊。LMArena Hard Prompts 计入 BenchLeader Index 的推理得分。

要点(截至 2026年11月16日)

  • Gemini 4 Carbon 以 1547 保持 Arena Hard Prompts 最高分(Arena (LMArena),2026年11月11日)。
  • Gemini 4 Argon 以 1545 位列 Arena Hard Prompts 第二(Arena (LMArena),2026年11月11日)。
  • Arena Hard Prompts:文本竞技场在被判定为高难度的提示词上的评分(Arena (LMArena))。
  • BenchLeader 上有 384 个模型配置公布了 Arena Hard Prompts 结果(BenchLeader,2026年11月16日)。
  • Arena Hard Prompts 计入 BenchLeader Index 的推理类别(BenchLeader 方法论)。

文本竞技场在被判定为高难度的提示词上的评分。

发布方
Arena (LMArena)
类别
推理
Index 权重
0.5
模型
384
数据截至
2026年11月16日

Arena Hard Prompts 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

与文本竞技场相同的两两投票,但只限于 LMArena 分类器判定为困难的提示词:具体、复杂、多步骤的请求,而不是闲聊。

评分方式

困难提示词子集上的 Bradley-Terry 评分,采用风格控制。

注意事项

每个模型的票数比总榜少,所以置信区间更宽。难度由分类器判断,而不是按结果判断。

384 / 384
#
1Gemini 4 Carbonhigh154768.92026-11-11$4.00
2Gemini 4 Argonhigh154565.32026-11-11$4.00
3Muse Wondermax153160.82026-11-11$8.00
4Claude Opus 5.5high153066.02026-11-11$8.00
5Claude Opus 4.6high153062.52026-11-11$10.00
6Claude Fable 5high153063.92026-11-11$20.00
7Claude Opus 4.6152662.12026-11-11$10.00
8Claude Opus 4.7high152560.02026-11-11$10.00
9Claude Fable 5.1max152266.72026-11-11$20.00
10Claude Opus 4.7151963.12026-11-11$10.00
11Gemini 3.8 Flashhigh151859.42026-11-11$1.50
12Muse Spark 1.3max151760.62026-11-11$2.00
13Kimi K3max151660.22026-11-11$6.00
14Claude Opus 5high151564.42026-11-11$10.00
15新Gemini 4 Hydrogenhigh151463.42026-11-11$3.00
16Muse Spark 1.2xhigh151461.52026-11-11$2.00
17Claude Opus 5max151365.02026-11-11$10.00
18Claude Opus 4.8high151360.42026-11-11$10.00
19GPT-5.6 Solxhigh151163.92026-11-11$8.00
20Muse Spark 1.1151162.22026-11-11$2.00
21Gemini 3.7 Flashhigh151062.12026-11-11$1.50
22Gemini 3.1 Pro150859.92026-11-11$4.50
23GLM 5.3max150758.82026-11-11$2.15
24Qwen3.8 Maxmax150758.72026-11-11$3.00
25Muse Spark150664.22026-11-11–
26Claude Opus 4.8150558.72026-11-11$10.00
27GPT-6.1 Solmax150566.62026-11-11$4.00
28MiMo-V2.6-Pro150457.52026-11-11$0.548
29Kimi K3.1 Promax150459.92026-11-11$4.00
30Claude Sonnet 4.6150357.62026-11-11$6.00
31Gemini 3 Pro150260.02026-11-11–
32Gemini 3.6 Flashhigh150161.02026-11-11$1.50
33GPT-5.5high150163.52026-11-11$11.25
34Claude Opus 4.5high150159.72026-11-11$10.00
35GLM 5.3 Flash150057.82026-11-11$0.238
36GPT-6 Astramax150067.32026-11-11$20.00
37Claude Sonnet 5.5xhigh149962.52026-11-11$4.00
38GPT-5.5149961.02026-11-11$11.25
39DeepSeek V4.1 Flashmax149958.52026-11-11$0.525
40Claude Opus 4.5149957.12026-11-11$10.00
41GPT-5.2149756.72026-11-11$4.81
42GPT-5.4high149658.62026-11-11$5.63
43Gemini 3.5 Flashhigh149662.52026-11-11$3.38
44GLM 5.2max149658.92026-11-11$2.15
45Gemini 3.5 Flashmedium149561.82026-11-11$3.38
46Qwen3.7max149560.02026-11-11$3.75
47MiMo-V2.5-Pro149455.52026-11-11$1.50
48Gemini 3 Flash149356.52026-11-11$1.13
49Qwen3.5 Maxmax1492–2026-11-11–
50GPT-5.5 Instant149156.92026-11-11$11.25
51GPT-5.6 Terraxhigh149160.12026-11-11$4.50
52Claude Sonnet 5high149059.02026-11-11$4.00
53Grok 4.20thinking148958.32026-11-11$1.56
54GLM 5.1148955.42026-11-11$2.15
55Grok 4.5148859.32026-11-11$3.00
56ERNIE 5.11487–2026-11-11–
57Grok 4.20 11487–2026-11-11–
58GPT-5.4148757.92026-11-11$5.63
59Claude Sonnet 4.5high148757.92026-11-11$6.00
60Kimi K2.6148555.12026-11-11$1.71

更多推理基准测试 · 全部大模型基准测试

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

Arena Hard Prompts:常见问题

Arena Hard Prompts 衡量的是什么?
与文本竞技场相同的两两投票,但只限于 LMArena 分类器判定为困难的提示词:具体、复杂、多步骤的请求,而不是闲聊。分数以基于两两对比的 Elo 式评分表示,越高越好。
Arena Hard Prompts 的最高分是多少?
截至 2026年11月16日,Arena Hard Prompts 的最高分为 1547,由 Gemini 4 Carbon 取得(结果日期 2026年11月11日),领先于 Gemini 4 Argon(1545)。分数来自 Arena (LMArena),每天重新读取。
哪个 AI 模型在 Arena Hard Prompts 上领先?
截至 2026年11月16日,Arena Hard Prompts 排名第一的是 Gemini 4 Carbon,分数为 1547(结果日期 2026年11月11日)。其后为 Gemini 4 Argon(1545)。
有多少模型有 Arena Hard Prompts 结果?
BenchLeader 上有 384 个模型配置有 Arena Hard Prompts 结果,全部取自 Arena (LMArena)。
Arena Hard Prompts 由谁运行,多久更新一次?
Arena Hard Prompts 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 Hard Prompts 是否计入 BenchLeader Index?
计入。Arena Hard Prompts 计入 BenchLeader Index 的推理类别,并经过归一化,使参评模型的平均值为 50。