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。
- 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)。
- 上升: Claude Opus 5.5 #5 → #4、Muse Spark 1.3 #12 → #10、Kimi K3 #13 → #11
- 下降: Claude Opus 4.6 #4 → #5、Claude Opus 5 #10 → #12、Muse Spark 1.2 #11 → #14、Claude Opus 4.8 #14 → #15、GPT-5.6 Sol #15 → #16、Muse Spark 1.1 #16 → #17、Gemini 3.7 Flash #17 → #18
- 新进前 20 名: Gemini 4 Hydrogen 第 13 名(1514)
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。
- 1Gemini 4 Carbon (high)1547
- 2Gemini 4 Argon (high)1545
- 3Muse Wonder (max)1531
- 4Claude Opus 5.5 (high)1530
- 5Claude Opus 4.6 (high)1530
- 6Claude Fable 5 (high)1530
- 7Claude Opus 4.61526
- 8Claude Opus 4.7 (high)1525
- 9Claude Fable 5.1 (max)1522
- 10Claude Opus 4.71519
- 11Gemini 3.8 Flash (high)1518
- 12Muse Spark 1.3 (max)1517
- 13Kimi K3 (max)1516
- 14Claude Opus 5 (high)1515
- 15Gemini 4 Hydrogen (high)1514
384 / 384
| # | |||||
|---|---|---|---|---|---|
| 1 | 1547 | 68.9 | 2026-11-11 | $4.00 | |
| 2 | 1545 | 65.3 | 2026-11-11 | $4.00 | |
| 3 | 1531 | 60.8 | 2026-11-11 | $8.00 | |
| 4 | 1530 | 66.0 | 2026-11-11 | $8.00 | |
| 5 | 1530 | 62.5 | 2026-11-11 | $10.00 | |
| 6 | 1530 | 63.9 | 2026-11-11 | $20.00 | |
| 7 | 1526 | 62.1 | 2026-11-11 | $10.00 | |
| 8 | 1525 | 60.0 | 2026-11-11 | $10.00 | |
| 9 | 1522 | 66.7 | 2026-11-11 | $20.00 | |
| 10 | 1519 | 63.1 | 2026-11-11 | $10.00 | |
| 11 | 1518 | 59.4 | 2026-11-11 | $1.50 | |
| 12 | 1517 | 60.6 | 2026-11-11 | $2.00 | |
| 13 | 1516 | 60.2 | 2026-11-11 | $6.00 | |
| 14 | 1515 | 64.4 | 2026-11-11 | $10.00 | |
| 15 | 新 | 1514 | 63.4 | 2026-11-11 | $3.00 |
| 16 | 1514 | 61.5 | 2026-11-11 | $2.00 | |
| 17 | 1513 | 65.0 | 2026-11-11 | $10.00 | |
| 18 | 1513 | 60.4 | 2026-11-11 | $10.00 | |
| 19 | 1511 | 63.9 | 2026-11-11 | $8.00 | |
| 20 | 1511 | 62.2 | 2026-11-11 | $2.00 | |
| 21 | 1510 | 62.1 | 2026-11-11 | $1.50 | |
| 22 | 1508 | 59.9 | 2026-11-11 | $4.50 | |
| 23 | 1507 | 58.8 | 2026-11-11 | $2.15 | |
| 24 | 1507 | 58.7 | 2026-11-11 | $3.00 | |
| 25 | 1506 | 64.2 | 2026-11-11 | – | |
| 26 | 1505 | 58.7 | 2026-11-11 | $10.00 | |
| 27 | 1505 | 66.6 | 2026-11-11 | $4.00 | |
| 28 | 1504 | 57.5 | 2026-11-11 | $0.548 | |
| 29 | 1504 | 59.9 | 2026-11-11 | $4.00 | |
| 30 | 1503 | 57.6 | 2026-11-11 | $6.00 | |
| 31 | 1502 | 60.0 | 2026-11-11 | – | |
| 32 | 1501 | 61.0 | 2026-11-11 | $1.50 | |
| 33 | 1501 | 63.5 | 2026-11-11 | $11.25 | |
| 34 | 1501 | 59.7 | 2026-11-11 | $10.00 | |
| 35 | 1500 | 57.8 | 2026-11-11 | $0.238 | |
| 36 | 1500 | 67.3 | 2026-11-11 | $20.00 | |
| 37 | 1499 | 62.5 | 2026-11-11 | $4.00 | |
| 38 | 1499 | 61.0 | 2026-11-11 | $11.25 | |
| 39 | 1499 | 58.5 | 2026-11-11 | $0.525 | |
| 40 | 1499 | 57.1 | 2026-11-11 | $10.00 | |
| 41 | 1497 | 56.7 | 2026-11-11 | $4.81 | |
| 42 | 1496 | 58.6 | 2026-11-11 | $5.63 | |
| 43 | 1496 | 62.5 | 2026-11-11 | $3.38 | |
| 44 | 1496 | 58.9 | 2026-11-11 | $2.15 | |
| 45 | 1495 | 61.8 | 2026-11-11 | $3.38 | |
| 46 | 1495 | 60.0 | 2026-11-11 | $3.75 | |
| 47 | 1494 | 55.5 | 2026-11-11 | $1.50 | |
| 48 | 1493 | 56.5 | 2026-11-11 | $1.13 | |
| 49 | 1492 | – | 2026-11-11 | – | |
| 50 | 1491 | 56.9 | 2026-11-11 | $11.25 | |
| 51 | 1491 | 60.1 | 2026-11-11 | $4.50 | |
| 52 | 1490 | 59.0 | 2026-11-11 | $4.00 | |
| 53 | 1489 | 58.3 | 2026-11-11 | $1.56 | |
| 54 | 1489 | 55.4 | 2026-11-11 | $2.15 | |
| 55 | 1488 | 59.3 | 2026-11-11 | $3.00 | |
| 56 | 1487 | – | 2026-11-11 | – | |
| 57 | 1487 | – | 2026-11-11 | – | |
| 58 | 1487 | 57.9 | 2026-11-11 | $5.63 | |
| 59 | 1487 | 57.9 | 2026-11-11 | $6.00 | |
| 60 | 1485 | 55.1 | 2026-11-11 | $1.71 |
相关基准测试
Arena Hard Prompts 上的热门模型对比
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。