BenchLeader

LMArena Multi-turn 排行榜

截至 2026年11月16日,LMArena Multi-turn 的最高分为 1564,由 Gemini 4 Carbon(Google)取得,领先于 Gemini 4 Argon(1545)。共有 382 个模型配置公布了结果(Arena (LMArena),结果日期 2026年11月11日)。对多轮对话进行两两投票,奖励能跟踪上下文的模型。LMArena Multi-turn 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Gemini 4 Carbon 以 1564 保持 Arena Multi-turn 最高分(Arena (LMArena),2026年11月11日)。
  • Gemini 4 Argon 以 1545 位列 Arena Multi-turn 第二(Arena (LMArena),2026年11月11日)。
  • Arena Multi-turn:文本竞技场在多轮对话上的评分(Arena (LMArena))。
  • BenchLeader 上有 382 个模型配置公布了 Arena Multi-turn 结果(BenchLeader,2026年11月16日)。
  • Arena Multi-turn 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

文本竞技场在多轮对话上的评分。

发布方
Arena (LMArena)
类别
人类偏好
Index 权重
仅作参考
模型
382
数据截至
2026年11月16日

Arena Multi-turn 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

对多轮对话进行两两投票,奖励能跟踪上下文的模型。

评分方式

根据两两投票得出的 Bradley-Terry 评分,以类 Elo 单位表示,采用风格控制。

注意事项

票数比总榜少。

382 / 382
#
1Gemini 4 Carbonhigh156468.92026-11-11$4.00
2Gemini 4 Argonhigh154565.32026-11-11$4.00
3Muse Wondermax152560.82026-11-11$8.00
4Claude Fable 5high151763.92026-11-11$20.00
5Claude Opus 4.6high151762.52026-11-11$10.00
6Claude Opus 4.7high151660.02026-11-11$10.00
7Claude Opus 4.7151463.12026-11-11$10.00
8Muse Spark 1.2xhigh151061.52026-11-11$2.00
9Claude Opus 4.6150962.12026-11-11$10.00
10Gemini 3.8 Flashhigh150559.42026-11-11$1.50
11Claude Opus 5.5high150266.02026-11-11$8.00
12Kimi K3max150260.22026-11-11$6.00
13Claude Opus 4.8high149760.42026-11-11$10.00
14Muse Spark 1.1149762.22026-11-11$2.00
15Gemini 3.1 Pro149559.92026-11-11$4.50
16Gemini 3 Pro149560.02026-11-11–
17Qwen3.8 Maxmax149558.72026-11-11$3.00
18GPT-5.2149556.72026-11-11$4.81
19Claude Opus 4.8149358.72026-11-11$10.00
20Muse Spark 1.3max149360.62026-11-11$2.00
21GPT-5.4high149358.62026-11-11$5.63
22Muse Spark149364.22026-11-11–
23GPT-5.6 Solxhigh149163.92026-11-11$8.00
24Gemini 3.7 Flashhigh149062.12026-11-11$1.50
25Gemini 3.6 Flashhigh149061.02026-11-11$1.50
26GPT-5.5high148863.52026-11-11$11.25
27Claude Opus 5max148665.02026-11-11$10.00
28Claude Opus 5high148664.42026-11-11$10.00
29GPT-6.1 Solmax148666.62026-11-11$4.00
30Claude Fable 5.1max148566.72026-11-11$20.00
31Claude Opus 4.5high148559.72026-11-11$10.00
32GPT-5.5148461.02026-11-11$11.25
33Claude Opus 4.5148457.12026-11-11$10.00
34GPT-5.5 Instant148356.92026-11-11$11.25
35GPT-6 Astramax148367.32026-11-11$20.00
36Grok 4.20 11483–2026-11-11–
37GLM 5.3max148258.82026-11-11$2.15
38Gemini 3 Flash148256.52026-11-11$1.13
39GPT-5.4148057.92026-11-11$5.63
40Claude Sonnet 4.6148057.62026-11-11$6.00
41MiMo-V2.5-Pro148055.52026-11-11$1.50
42Gemini 3.5 Flashhigh148062.52026-11-11$3.38
43Qwen3.7max147960.02026-11-11$3.75
44Grok 4.20thinking147958.32026-11-11$1.56
45Gemini 3.5 Flashmedium147861.82026-11-11$3.38
46GLM 5.1147855.42026-11-11$2.15
47Qwen3.5 Maxmax1477–2026-11-11–
48Claude Sonnet 4.5147753.82026-11-11$6.00
49GLM 5.2max147758.92026-11-11$2.15
50新Gemini 4 Hydrogenhigh147663.42026-11-11$3.00
51GLM 5.3 Flash147657.82026-11-11$0.238
52DeepSeek V4 Pro147553.02026-11-11$0.990
53Kimi K3.1 Promax147559.92026-11-11$4.00
54GPT-5.6 Terraxhigh147560.12026-11-11$4.50
55Grok 4.20 Multi-Agent147558.52026-11-11$1.56
56Gemini 3 Flashminimal147453.82026-11-11$1.13
57Claude Sonnet 5high147359.02026-11-11$4.00
58ERNIE 5.11472–2026-11-11–
59Grok 4.5147259.32026-11-11$3.00
60GLM-5147254.92026-11-11$1.55

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 Multi-turn 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/lmarena_text_multiturn。

Arena Multi-turn:常见问题

Arena Multi-turn 衡量的是什么?
对多轮对话进行两两投票,奖励能跟踪上下文的模型。分数以基于两两对比的 Elo 式评分表示,越高越好。
Arena Multi-turn 的最高分是多少?
截至 2026年11月16日,Arena Multi-turn 的最高分为 1564,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 Multi-turn 上领先?
截至 2026年11月16日,Arena Multi-turn 排名第一的是 Gemini 4 Carbon,分数为 1564(结果日期 2026年11月11日)。其后为 Gemini 4 Argon(1545)。
有多少模型有 Arena Multi-turn 结果?
BenchLeader 上有 382 个模型配置有 Arena Multi-turn 结果,全部取自 Arena (LMArena)。
Arena Multi-turn 由谁运行,多久更新一次?
Arena Multi-turn 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 Multi-turn 是否计入 BenchLeader Index?
不计入。Arena Multi-turn 仅作参考展示,不计入综合分数。