Arena（原 LMArena）：免费提供主流AI大模型及在线评测排行平台

图：Arena（原 LMArena）官网首页，标题为「Arena AI：官方 AI 排名与 LLM 排行榜」，提供匿名双模型对战入口（2026-11 截图）

定位与基本信息

先说清名称：这个站就是原来的 LMArena，2026 年 1 月 28 日起改名为 Arena，官网迁到 arena.ai，老域名 lmarena.ai 自动跳转过去。再往前追，它的前身是 2023 年加州大学伯克利分校 LMSYS 团队做的 Chatbot Arena。它干的事只有一件，但做成了行业标尺：让两个匿名大模型回答同一个问题，用户盲选更好的一个，票数经 Bradley–Terry 模型换算成分数，汇成公开排行榜。站内条目还挂在 LMArena 名下，本条目按改名后的现状重写。截至 2026 年 11 月，它仍是免费使用：对战和投票不需要注册，全部榜单公开可查，没有面向个人的付费版——凡是要收费看榜的「LMArena」都是仿冒站。

• 现行名称：Arena（原 LMArena，再前身为 Chatbot Arena）
• 官网：arena.ai（lmarena.ai 跳转至此）
• 运营方：Arena Intelligence Inc.（2025 年由原 LMSYS 团队公司化）
• 排名方法：匿名对战投票 + Bradley–Terry 模型计分，附 95% 置信区间
• 榜单分类：文本、代码/WebDev、视觉、文生图、图像编辑、搜索、文生视频、图生视频、文档等
• 费用：个人使用免费，无需注册

平台背景

时间线有三段。2023 年 5 月 3 日，Chatbot Arena 作为伯克利的研究项目上线，思路是绕开各家自报的跑分，用真实用户的盲测投票排座次，上线后迅速成为大模型发布时必引的第三方榜单。2024 年 9 月，站点迁到独立域名 lmarena.ai，LMArena 这个名字叫开。2025 年 4 月，团队注册 Arena Intelligence 公司独立运营；2026 年 1 月 28 日正式改名 Arena 并启用 arena.ai。公司化之后它的商业面浮出水面：按公开报道（彭博社等），平台 2026 年 10 月完成 2 亿美元 B 轮融资、估值 31 亿美元，公司口径的月访问量在数千万级，累计投票 8,200 万、对话 7 亿次——这些数字说明它已不只是学术项目，而是模型厂商发布新品时做第三方评测的基础设施，厂商付费评测与数据服务是其收入方向，个人用户的免费对战则是它获取投票数据的入口。

图：Hugging Face 上的 Arena 官方排行榜页，汇总各分类榜单与分数（2026-11 截图）

核心服务与功能

核心玩法是 Battle（对战）：输入一个问题，左右两个匿名模型同时作答，读完选一边更好，或选平局、双差，投票后才揭晓两边是谁。持续投票的数据汇成 Leaderboard（排行榜）：文本榜是旗舰，另有代码与 WebDev、视觉理解、文生图、图像编辑、搜索、文生视频、图生视频、文档等分类榜，每条目带分数和置信区间，支持按类别、场景细分筛选（如文本榜下可按编程、数学、创意写作等子项看）。2026 年 10 月底的一次公开快照能说明它的量级：文本榜共 9,003,272 张票、419 个模型配置，榜首是谷歌 Gemini 4 Carbon (High)，1,540 分，且被标注为 Preliminary（初步，票数尚少）。分数之外，官网还有 About 页交代方法与历史，页面导航里有排行榜变更日志（Changelog）和按性价比排的 Pareto 前沿视图，把「每单位成本换多少分」也做成了榜。历史榜单在 Hugging Face 上有官方 Space 镜像，查旧数据方便。

使用方式

两种用法。想选模型，先看榜：打开 arena.ai 的排行榜，按自己关心的分类和子场景筛，比如写代码就看 WebDev/代码榜，做图就看文生图榜，注意同时看置信区间——两个模型分差小于区间宽度时，排名先后基本是噪声。想亲手验，进对战：把你真实工作中的问题原样贴进去，两个模型盲答，凭输出质量投票，多打几轮，揭晓身份后看胜出的常客是谁，这比看总榜更贴合个人场景。全程不用注册，但要知道：你输入的问题和投票会被用作研究与榜单数据，不要贴公司代码、合同、个人信息等敏感内容。对战里遇到未发布的新模型是常事，揭晓时标注 Preliminary 的，分数还会大幅波动，别急着下结论。

补充一个容易忽略的机制细节：只有在双方身份未揭晓时投出的票才计入排名，投票后揭晓身份正是防刷的关键设计；每个条目同时给出 95% 置信区间，票数越少的模型区间越宽。官方在 2024 年的研究中发现回答长度、格式（标题、加粗、列表）会系统性影响得票，因此榜单现在默认开启风格控制（Style Control），把这部分偏好剥离后再排名——你在榜单页看到的默认名次已经是修正后的结果，关掉风格控制看到的又是另一套顺序，引用名次时要注明是哪种口径。

适用人群

适合：要在几个大模型之间做选型的个人与团队，尤其是订阅前想横向比较的；跟踪模型版本迭代的从业者和媒体，榜单变化是最快的行业风向之一；做模型评测、研究人类偏好的研究者。不适合：把榜单名次直接当采购结论的人——它测的是「用户更喜欢哪个回答」，不是正确率、事实性和专业任务的完成度；需要私有化、数据不出内网的企业场景，这里是公开对战平台；以及只用中文工作、对中文语境表现敏感的用户，投票人群的语种构成会影响排序，中文能力要自己用对战验。

免费与付费

图：Arena 官网 About 页，交代其由伯克利研究团队起家及 Chatbot Arena 到 Arena 的沿革（2026-11 截图）

截至 2026 年 11 月，Arena 对个人用户免费：对战、投票、查榜都不收费，也不需要注册账号。它明确不存在「付费解锁完整榜单」这种个人订阅，凡是打着 LMArena/Arena 旗号收费看榜、收费投票的网站都不是官方。其收入来自面向模型厂商的评测与数据服务一侧，具体合作口径以官网为准，与普通用户无关。对用户真正的「成本」不是钱，而是数据：你贡献的问题与投票会进入其数据集，介意者只看榜、不对战，或不对敏感问题投票。

优缺点

优点：

• 盲测机制：身份在投票后才揭晓，避免品牌光环影响判断，这是它比自报跑分可信的根本原因。
• 数据规模大且持续更新：数千万级月访问、千万级票数，新模型上线很快进入榜单。
• 分类细：文本、代码、图像、视频、搜索都有独立榜，还能按子场景筛。
• 方法透明：公开计分模型与置信区间，历史数据在 Hugging Face 留档可查。

缺点：

• 测的是偏好不是对错：回答更长、排版更好看会占便宜，官方已默认开启风格控制来修正，但偏差无法根除。
• 公平性有公开争议：2025 年《The Leaderboard Illusion》论文指出大厂能私下测更多变体、拿到更多平台数据，榜单并非完全同一起跑线。
• 分数波动大：新模型带 Preliminary 标记时票数少、置信区间宽，名次参考价值有限。
• 无历史对话与账号体系，就是个对战加榜单的工具站，别指望当日常聊天入口用。

同类竞品对比

三者不在一个赛道：Arena 回答「哪个模型更强」，Perplexity 是拿来干活的搜索工具，ModelScope 是拿模型和算力的仓库。选型时用 Arena 缩小范围，再去 ModelScope 或各家官网实测。

注意事项与风险

第一，防仿冒：官方域名只有 arena.ai（及跳转过来的 lmarena.ai），搜索结果里带「付费看榜」「充值投票」的同名站全是假的，不要在上面输入账号密码或付款。第二，隐私：对战输入会被用作研究数据并可能公开，严禁贴未公开代码、客户资料、个人身份信息。第三，读榜的方法：分差小于置信区间就是没分出胜负；带 Preliminary 的新模型先等票数攒够；文本总榜的名次不能替代编程、中文写作等子场景榜。第四，把争议当背景了解即可：偏好型榜单天然偏向「讨喜」的回答，专业任务（法律、医疗、财务）的实际可用性，必须用自己的真实样本复测，榜单名次不构成任何场景的选用保证。第五，名称过渡期引用易错：2026 年以前的文章、书签里写的 LMArena、Chatbot Arena 与现在的 Arena 是同一平台，查资料时三个名字都要搜。