盲测投票
用户同时与两个匿名模型对话，在不知道对方身份的前提下投票选出更满意的一方，平台据此汇总排名。
LMSYS Chatbot Arena Leaderboard
AI TOOL PROFILE工具资料用真人盲测投票决定大模型排名的众包评测平台。
官网地址 https://huggingface.co/spaces/lmsys/chatbot-arena-leaderboard
价格官网未标价
平台Web
归类聊天对话
收录2026-10-11
复核2026-10-11
编辑评分
4.5 / 5
★★★★☆
LMSYS Chatbot Arena Leaderboard编辑总结
LMSYS Chatbot Arena Leaderboard 是由 LMSYS 组织维护的众包开放评测榜，用真实用户的盲测对话投票来给大语言模型排名，而不是靠固定题库的自动打分。它的价值在于把「哪个模型更好聊」这件事交给普通用户的实际体验来裁决，并公开排名结果供人查证。它适合选型前想先看看模型横向对比的人，也适合关注模型迭代动向的研究者。但它的排名结果会随投票持续波动，不适合当成一次性的定论，且部分模型可能因未开放而缺席榜单。
LMSYS Chatbot Arena Leaderboard是什么？
LMSYS Chatbot Arena Leaderboard 是一个面向大语言模型的众包评测与排名平台，由 LMSYS 这一开源研究组织维护，定位是把模型能力的裁判权交给真实用户。它的核心思路是盲测：用户在不知道对面是什么模型的情况下与两个匿名模型同时对话，然后投票选出更好的一个，平台再根据这些投票汇总出排名。
它的形态是一个持续更新的公开排行榜，覆盖通用对话能力的横向对比，并随着新模型接入而不断变化。与传统的固定题库评测相比，它反映的是真实使用中的主观偏好，因此更贴近普通用户的日常体感。
对普通用户来说，它可以当成选模型前的参考；对开发者来说，它能在做模型选型或迁移决策时提供一个相对中立的横向坐标；对研究者来说，它是观察行业格局变化的公开窗口。
LMSYS Chatbot Arena Leaderboard核心功能
实时排行榜
投票结果持续汇总成公开榜单，随新模型接入和用户投票不断变化，可以直接查看不同模型的相对位置。
众包评价
评分来自大量真实用户的对话体验，而不是少数专家或固定题库，因此更贴近日常使用的主观感受。
公开可查
榜单和评测结果公开在网页上，任何人都能自行查看和比对，不依赖付费或注册即可获得排名参考。
覆盖多家模型
榜单汇集多家机构推出的对话模型，方便在同一标准下横向比较不同来源的模型表现。
LMSYS Chatbot Arena Leaderboard使用建议
入门先把路子走对
- 先看总榜再看细分打开排行榜后先大致浏览整体排名，再结合自己的使用场景去看具体模型的相对位置，不要只盯着第一名。
- 亲自投几轮票与其只看结果，不如自己进入盲测对局体验几轮，感受不同模型在表达方式和回答风格上的差别。
- 关注榜单更新时间榜单是动态变化的，查看时留意最近一次更新，避免拿过时的名次当结论。
进阶省时间也省钱
- 按任务类型挑模型排名反映的是整体偏好，具体到写作、推理或代码等场景时，适合自己的未必是榜上最高的那个，最好针对自己的任务再试。
- 把排名当参考而非结论众包投票受参与人群和提问方式影响，名次接近的模型其实差距不大，硬分高下意义有限，重点看它是否符合你的实际需求。
LMSYS Chatbot Arena Leaderboard适合谁用？
做模型选型的开发者
推荐在决定接入哪家对话模型前，需要一个相对中立的横向参考，排行榜可以作为选型的重要依据之一。
关注行业动向的研究者
推荐希望通过公开榜单观察不同机构模型的相对位置变化，作为跟踪行业格局的窗口。
普通聊天工具用户
有条件想找一个好用的对话模型，可以参考排名，但最终仍要以自己在具体场景中的实际体验为准。
需要精确跑分的人
不推荐如果在意的是特定基准上的分数或可复现的量化结果，众包偏好排名并不能直接满足这类需求，要另找针对性评测。
LMSYS Chatbot Arena Leaderboard优点和缺点
优点
- 用真实用户盲测投票排名，比固定题库更贴近日常使用体感。
- 榜单公开可查，无需注册或付费即可看到模型横向对比。
- 持续更新，能较快反映新接入模型的相对位置。
- 盲测机制减少了用户对品牌先入为主的偏见。
缺点
- 排名随投票持续波动，不适合当成一次性定论。
- 众包偏好受参与人群和提问方式影响，未必代表你的场景。
- 名次接近的模型实际差距有限，硬分高下意义不大。
- 部分模型可能未接入榜单，容易漏掉实际可选的选项。
LMSYS Chatbot Arena Leaderboard常见问题
这个排行榜是怎么排出来的？＋
它不是靠固定题库自动打分，而是让用户在不知道对方身份的情况下同时和两个模型对话，再投票选出更满意的一个，平台把大量投票汇总成排名。所以它反映的是真实用户的主观偏好，而不是某项考试的分数。
排名第一的模型就是最好的吗？＋
不一定。榜单衡量的是整体对话偏好，名次接近的模型实际差距往往有限，不同任务上的表现也可能完全不同。如果是为了具体用途选模型，建议结合自己的场景亲自试几个，而不是只看名次。
我可以自己参与投票吗？＋
可以。进入平台后就能进行盲测对局，与两个匿名模型对话并投票。参与投票本身也是了解各模型表达风格差异的一种直观方式。
为什么有些模型没出现在榜单上？＋
榜单收录的是接入该平台的模型，未接入的模型自然不会出现在排名里。因此在做选型时，不能只把榜单当成全部可选范围，还要结合自己实际能拿到的模型来看。
榜单结果会变化吗？＋
会。随着新模型接入和用户持续投票，排名是动态变化的。查看时留意最近一次更新，避免用较早的名次作为当前结论。
LMSYS Chatbot Arena Leaderboard竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| LMSYS Chatbot Arena Leaderboard本工具 | 4.5 | 未标价 | 盲测投票；实时排行榜；众包评价；公开可查 | Web |
| LLM Tester | — | 未标价 | 基于云的对话式人工智能和大型语言模型(LLM)驱动的聊天机器人测试平台 | Web |
| ChattyUI | — | 未标价 | 在本地浏览器中运行大型语言模型(LLM),实现高效、安全的自然语言处理 | — |
| anime.gf | — | 未标价 | 下一代本地优先的大型语言模型(LLMs) | — |
| WebT Crawl by Web Transpose | — | 未标价 | 将网站内容高效转化为适用于大型语言模型(LLM)的数据集，提供精准、高质量的数据处理服务 | — |
| Faune | — | 未标价 | Faune 是一款多语言模型(LLM)人工智能聊天应用，集成了强大的 Google 搜索功能, | — |
