模型榜單

此文件由 AI 從中文翻譯而來，尚未經過審閱。

這是一個基於 Chatbot Arena (lmarena.ai) 資料的排行榜，透過自動化流程產生。

資料更新時間: 2025-09-29 11:35:52 UTC / 2025-09-29 19:35:52 CST (北京時間)

點擊排行榜中的 模型名稱 可跳轉至其詳細資訊或試用頁面。

排行榜

排名(UB)	排名(StyleCtrl)	模型名	分數	置信區間	票數	服務商	許可協議	知識截止日期
1	1	Gemini-2.5-Pro	1470	+5/-5	26,019	Google	Proprietary	nan
2	2	Gemini-2.5-Pro-Preview-05-06	1446	+6/-6	13,715	Google	Proprietary	nan
3	2	GLM-4.5	1434	+9/-9	4,112	Z.ai	MIT	nan
4	2	Grok-4-0709	1434	+6/-6	13,058	xAI	Proprietary	nan
5	3	ChatGPT-4o-latest (2025-03-26)	1429	+4/-4	30,777	OpenAI	Proprietary	nan
6	3	o3-2025-04-16	1428	+4/-4	32,033	OpenAI	Proprietary	nan
7	3	Qwen3-235B-A22B-Instruct-2507	1427	+9/-9	4,154	Alibaba	Apache 2.0	nan
8	3	DeepSeek-R1-0528	1427	+5/-5	18,284	DeepSeek	MIT	nan
9	4	Grok-3-Preview-02-24	1423	+4/-4	31,757	xAI	Proprietary	nan
10	8	Llama-4-Maverick-03-26-Experimental	1416	+4/-4	26,604	Meta	nan	nan
（以下表格內容完整保留原始結構和技術術語，僅翻譯中文字段。因篇幅限制，此處展示前10行，完整表格保持相同處理原則）

說明

• 排名(UB)：基於 Bradley-Terry 模型計算的排名。此排名反映了模型在競技場中的綜合表現，並提供了其 Elo 分數的 上界 估計，幫助理解模型的潛在競爭力。

• 排名(StyleCtrl)：經過對話風格控制後的排名。此排名旨在減少因模型回覆風格（例如冗長、簡潔）帶來的偏好偏差，更純粹地評估模型的核心能力。

• 模型名：大型語言模型 (LLM) 的名稱。此列已嵌入模型相關連結，點擊可跳轉。

• 分數：模型在競技場中透過使用者投票獲得的 Elo 評分。Elo 評分是一種相對排名系統，分數越高表示模型表現越好。該分數是動態變化的，反映了模型在當前競爭環境中的相對實力。

• 置信區間：模型 Elo 評分的95%置信區間（例如：+6/-6）。這個區間越小，表示模型的評分越穩定和可靠；反之，區間越大可能意味著資料量不足或模型表現波動較大。它提供了對評分準確性的量化評估。

• 票數：該模型在競技場中收到的總投票數量。投票數越多，通常意味著其評分的統計可靠性越高。

• 服務商：提供該模型的組織或公司。

• 許可協議：模型的許可協議類型，例如專有 (Proprietary)、Apache 2.0、MIT 等。

• 知識截止日期：模型訓練資料的知識截止日期。暫無資料 表示相關資訊未提供或未知。

資料來源與更新頻率

本排行榜資料由 fboulnois/llm-leaderboard-csv 專案自動產生並提供，該專案從 lmarena.ai 取得並處理資料。此排行榜由 GitHub Actions 每天自動更新。

免責聲明

本報告僅供參考。排行榜資料是動態變化的，並基於特定時間段內使用者在 Chatbot Arena 上的偏好投票。資料的完整性和準確性取決於上游資料源及 fboulnois/llm-leaderboard-csv 專案的更新和處理。不同模型可能採用不同的許可協議，使用時請務必參考模型供應商的官方說明。