正在加载榜单数据...
基于真实人类偏好(Bradley-Terry 模型)计算大模型 Elo 评分的中文镜像站。数据每 20 分钟自动与官方同步,为您提供最新、最公正的大模型能力排名。
正在加载榜单数据...
排名 | 模型 | Elo 评分 Arena Elo 评分:基于用户盲测两两对决的胜负关系估算出的模型综合能力评分。数字右下角的小字(例如 ±5)是 95% 置信区间,数值范围越窄说明这个评分的把握越大 | |||
|---|---|---|---|---|---|
1 | 1522±5 | ||||
2 | 1478±5 | ||||
3 | 1461±3 | ||||
4 | 1427±5 | ||||
5 | 1427±5 | ||||
6 | 1403±4 | ||||
7 | 1401±4 | ||||
8 | 1394±3 | ||||
9 | 1391±6 | ||||
10 | 1390±3 | ||||
11 | 1389±3 | ||||
12 | 1387±3 | ||||
13 | 1386±3 | ||||
14 | 1374±6 | ||||
15 | 1370±3 | ||||
16 | 1366±6 | ||||
17 | 1359±6 | ||||
18 | 1351±8 | ||||
19 | 1334±5 | ||||
20 | 1329±2 | ||||
21 | 1315±3 | ||||
22 | 1314±5 | ||||
23 | 1303±5 | ||||
24 | 1303±3 | ||||
25 | 1303±4 | ||||
排名计算方法: 系统利用在竞技场中收集到的海量双盲人类盲测对抗数据,构建 Bradley-Terry 模型以极大似然估计模型在各个单项分类下的 Elo 相对竞技值。95% 置信区间 (CI) 表明当误差区间发生重叠时,模型的真实相对实力可能不存在统计学上的显著性差异。