Arena Mirror (China)

前沿AI大模型双盲评测榜单

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。数据每日自动与官方同步，为您提供最新、最公正的大模型能力排名。

数据同步时间: 2026-08-17 20:11:32

数据同步时间: 2026-08-17 20:11:32

排名	排名区间排名区间：基于 Elo 分数估算出的模型在不同对决中可能变动的最乐观与最保守排名范围	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	95% 置信区间 95% 置信区间：表征统计排名的误差范围，误差区间重叠时代表模型间差异不显著	投票数投票数：用户在盲测竞技场中对模型对决进行投票的总次数	开发厂商
1	1 - 3	minimax-h3MiniMax • Open	1390±26	+26 / -26	499	MiniMax

2	1 - 3	dreamina-seedance-2.0-720pBytedance • Proprietary	1358±14	+14 / -14	3,620	Bytedance

3	1 - 3	gemini-omni-flashGoogle • Proprietary	1358±15	+15 / -15	1,810	Google

4	4 - 4	happyhorse-1.0Alibaba-ATH • Proprietary	1307±13	+13 / -13	3,115	Alibaba-ATH

5	5 - 6	grok-imagine-videoSpaceXAI • Proprietary	1263±10	+10 / -10	13,224	SpaceXAI

6	5 - 6	kling-o3-proKlingAI • Proprietary	1255±12	+12 / -12	7,078	KlingAI

7	7 - 8	kling-o1-proKlingAI • Proprietary	1200±10	+10 / -10	10,045	KlingAI

8	7 - 8	runway-gen4-alephRunway • Proprietary	1183±8	+8 / -8	9,817	Runway

显示第 1 到 8 条，共 8 条记录

每页显示:

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。