LMArena
LMArena 是伯克利推出的 AI 模型评估平台，采用匿名双模型对战、用户投票决胜负的众包模式，投票实时塑造公开排行榜，并可免费与顶尖模型聊天，结果贴近真实用户体验。
人工核验 · · 提交更正
编辑点评
适合：想免费体验旗舰模型并参考真实用户偏好选型的用户与研究者；不适合：需要垂直领域深度专业评测的场景。
核验信息
分类大模型
人工核验
LMArena是什么
LMArena 是伯克利推出的 AI 模型评估平台，采用匿名双模型对战、用户投票决胜负的众包模式，投票实时塑造公开排行榜，并可免费与顶尖模型聊天，结果贴近真实用户体验。
LMArena的主要功能
- 输入问题对两个匿名模型的回答进行盲测投票
- 查看实时公开排行榜了解模型偏好排名
- 免费与顶尖 AI 模型直接对话
- 投票后揭晓模型身份验证自己的选择
适合
- 真人盲测众包，抗刷榜、贴近真实体验
- 排行榜公开透明、实时更新
- 免费聊天，覆盖闭源与开源全谱系模型
先注意
- 结果反映大众偏好而非专业能力
- 垂直小众场景表现可能被平均化
- 单模型深度稳定性评估弱于系统基准
如何使用LMArena
- 访问 lmarena.ai 官网
- 在输入框键入任意问题或提示
- 比较两个匿名模型生成的回答
- 投票选出更好的回答
- 查看模型身份揭晓与排行榜位置
LMArena的适用场景
上手难度： 新手
- 输入问题对两个匿名模型的回答进行盲测投票
- 查看实时公开排行榜了解模型偏好排名
- 免费与顶尖 AI 模型直接对话
- 投票后揭晓模型身份验证自己的选择
常见问题
LMArena 是怎么评测模型的？
用户输入问题后由两个匿名模型同时作答，用户盲投选优，海量投票统计形成公开排行榜。
在 LMArena 聊天收费吗？
不收费，平台免费开放与顶尖模型对话，使用行为同时为排行榜贡献数据。
投票前能看到是哪个模型吗？
不能，投票为匿名盲测；投票结束后才会揭晓两个回答分别来自哪个模型。
来源与核验
信息来源：lmarena.ai （在新窗口打开）
核验日期： · 提交更正 →
类似于LMArena的工具
该分类全部
MMLU
适合：需要衡量英文模型通用知识水平的研究者与选型工程师；不适合：评估生成质量、对话体验或中文能力的场景。
Watsonx.ai
适合需要全生命周期管理、企业级治理与合规要求的中大型企业与开发团队；不适合个人开发者、轻量实验或预算敏感的小型项目。
DeepFloyd IF
适合有一定技术基础、希望自托管和深入研究图像生成模型的开发者与研究人员；不适合只想在网页上输入提示词直接出图的普通用户。
HELM
适合需要多维、可复现评估语言模型的研究者与工程团队；不适合只想快速浏览单一榜单分数的用户。
PaLM 2
适合AI开发者、研究者和Google生态内的企业团队；不适合寻求开箱即用消费级聊天产品的普通用户。
Watsonx.ai
适合需要全生命周期管理、企业级治理与合规要求的中大型企业与开发团队；不适合个人开发者、轻量实验或预算敏感的小型项目。
DeepFloyd IF
适合有一定技术基础、希望自托管和深入研究图像生成模型的开发者与研究人员；不适合只想在网页上输入提示词直接出图的普通用户。
HELM
适合需要多维、可复现评估语言模型的研究者与工程团队；不适合只想快速浏览单一榜单分数的用户。
PaLM 2
适合AI开发者、研究者和Google生态内的企业团队；不适合寻求开箱即用消费级聊天产品的普通用户。