AI 模型排行榜

數字解讀

arena.ai（前稱LMArena）會向用戶展示同一提示的兩個匿名回答，要求他們選擇其一，然後從這些對戰中得出Elo評分。它衡量的是人們偏好哪個回答——而非客觀能力。討喜的風格可能勝出，而嚴謹但冗長的回答則可能落敗。

票數代表模型累積的對戰次數。新上架的模型票數較少，信賴區間較寬，因此排名容易波動——閱讀排名時請務必連同±區間一併參考。

Agent 排行榜的運作方式與其他排行榜不同：它衡量的是真實的智能體工作階段，而非盲目投票偏好。其首要指標 Net Improvement 是百分比增益——而非 Elo 評分——因此無法跨排行榜比較。arena.ai 在完整排行榜上還報告另外五個維度（Confirmed Success、Steerability、Bash Recovery 等）。

使用量排行榜來自OpenRouter，計算真實的API Token佔有率——開發者以實際投入投票，與主觀偏好排行榜互補。

語音排行榜來自 Artificial Analysis：TTS 採用盲聽 Speech Arena Elo；ASR 採用 AA-WER v2，數值越低越好；原生 Speech-to-Speech 則採用 Big Bench Audio、Full Duplex Bench 及 τ-Voice 的等權綜合分數，數值越高越好。請只在同一排行榜內比較分數。來源：artificialanalysis.ai。

Intelligence Index 排行榜來自 Artificial Analysis：它將多個公開基準濃縮為單一 0-100 的 Intelligence Index，衡量客觀能力而非主觀偏好——是 arena.ai 人類盲投票的自然補充。來源：artificialanalysis.ai。