官方介绍
Arena（原名 LMArena，更早叫 Chatbot Arena）是一个让大模型「匿名打擂台、靠真人投票分高下」的评测平台，起源于伯克利校园项目、由 LMSYS 组织运作，2026 年完成 1.5 亿美元融资、估值 17 亿美元，被称为 AI 领域最公正、最权威的全球大模型性能榜单之一，排名被各家厂商广泛引用。Agent Arena 是平台底下的一个榜单，专门评测模型作为智能体（Agent）时能否真正完成任务。
核心功能
| 机制 | 说明 |
|---|---|
| 匿名对战 | 两个身份未知的模型各答一次，用户盲投选更好的，避免品牌偏见 |
| Elo 评分 | 源自国际象棋的 Elo 算法把数百万次投票汇成动态排行榜，难以刷题 |
| 多个榜单 | Text Arena（聊天问答）、Code Arena 含 WebDev（写代码）、Agent Arena（智能体完成任务） |
| Agent 五信号 | 任务完成确认 / 好评率 / 纠错响应 / 报错恢复 / 工具幻觉 |
| $/任务指标 | 按「完成一次任务」的成本计价（而非按 token），配合 Pareto 前沿视图展示每个价位的性能上限 |
使用说明
- 访问官网查看总榜与分榜（Text / Code / Agent），榜单数据持续累积更新
- Agent Arena 评的是用户在 Agent Mode 里交给模型的完整任务（185 万次会话、46+ 个模型），当前第一为 Claude Fable 5.1 (Max)
- 选型建议：看分类型榜单 + 看 $/任务，比只看总榜第一名更有参考价值；价格差距可达 45 倍以上
官方链接
- 官方网站：https://arena.ai
- Agent Arena 榜单：https://arena.ai/leaderboard/agent