Arena.ai 相关 AI 资讯 · AITOP · AI热报

8月13日

17:58

17:58

lmarena.ai@lmarena_ai

Arena.ai 发布了排行榜详情页面，地址为 arena.ai/leaderboard。官方同步介绍了 AutoEval 自动评估工具。用户可查看模型表现数据，并通过 AutoEval 进行自动化评估。该消息来自 Arena.ai 在 X 平台的官方账号。

AI产品 Arena.ai AutoEval 模型评测

推荐理由：Arena.ai 发了排行榜和 AutoEval 介绍，想对比模型表现和了解自动评估方式的可以看看。

17:42

17:42

lmarena.ai@lmarena_ai

Arena.ai近期公开了关于AutoEval的更多细节。该推文由Arena.ai官方账号发布，并附带了相关链接。AutoEval的具体技术方案与评测基准尚未在推文中展开。目前这条推文已有550次浏览，读者可点击原文查看AutoEval的完整信息。

AI产品 AutoEval Arena.ai 模型评估

推荐理由：Arena.ai发了AutoEval的更多细节，想知道这评估工具是干嘛的，直接看原文。

8月9日

11:58

11:58

Guillermo Rauch@rauchg

精选

xAI 的 Grok Imagine Image 2.0 预览版独家上线 Vercel AI Gateway。该模型在 Arena.ai 图像基准上排名第 2。开发者可用 npx ai-cli -m xai/grok-imagine-image-2.0-preview 命令调用，或在 imagine.vercel.sh 直接体验。Vercel 官方称其为优秀的图像模型。

AI模型 Grok Imagine Image 2.0 Vercel AI Gateway xAI

推荐理由：图像榜第二的图像模型，现在 Vercel 网关一条命令就能跑，xAI 新东西值得试试。

8月6日

00:11

00:11

lmarena.ai@lmarena_ai

72°

Arena.ai推出Fullstack Code Arena，将代码评测从纯前端扩展到全栈开发。新平台支持数据库、API密钥和快速部署，可构建真实软件。模型在Code Arena中作为智能体，通过结构化工具调用完成计划、执行和优化。该升级让代码评测更贴近真实世界任务。

AI产品 Code Arena Arena.ai 全栈开发

推荐理由：Arena.ai的Code Arena升级了，现在能搞全栈开发，模型自己调数据库和API，直接部署，比以前只测前端强多了。

8月3日

16:35

16:35

官方账号阿里通义 Qwen@Alibaba_Qwen

精选

Qwen3.8-Max 在 Arena.ai 的 Frontend Code Arena 排行榜上拿下 1668 分，位列第四。它落后于 Claude Opus 5 (Max) 的 1705 分和 Kimi K3 (Max) 的 1676 分，与 Claude Opus 5 (High) 的 1669 分几乎持平。细分领域中，Consumer Product 排第二，Brand & Marketing、Reference-based design、Gaming、Content Creation Tools 均排第三。Data & Analytics 排第四，Simulations 排第五。阿里 Qwen 官方称该模型在 Text Arena 的真实任务中也有表现。

AI模型 Qwen3.8-Max Alibaba_Qwen Arena.ai

推荐理由：Qwen 的 Qwen3.8-Max 冲到代码榜第四，只比 Claude Opus 5 High 档低一分，做前端的可以看看。

8月1日

02:55

02:55

lmarena.ai@lmarena_ai

精选

Arena.ai 今日发布 AutoEval，一种基于奖励模型的新评估方法，该模型由数百万条真实 Arena 用户偏好数据校准。AutoEval 与实时人工评估结果高度一致，能把模型评估耗时从数天缩短到数小时。它目前支持 Text、Vision、Image、Code 四个 Arena 榜单。新模型上线后，AutoEval 会直接在排行榜上给出估算分数。

AI模型 AutoEval Arena.ai 模型评估

推荐理由：想快速了解新模型水平？Arena 用真实用户偏好做评估，比传统基准快几个数量级，看榜就行。

7月31日

05:38

05:38

lmarena.ai@lmarena_ai

71°

Arena.ai 发布新评估方法 AutoEval，使用基于数百万真实用户偏好训练的奖励模型对 AI 模型进行排名。该方法与人工评估高度对齐，速度从数天缩短至数小时。AutoEval 支持 Text、Vision、Image 和 Code 等多个基准。新模型将直接在排行榜上显示 AutoEval 预估分数，加速社区获取结果。

AI模型 Arena.ai AutoEval 奖励模型

推荐理由：Arena.ai 搞了个新评估 AutoEval，用千万用户偏好打分，几小时出结果，比人工快多了，排行榜直接看分数。

02:16

02:16

向阳乔木@vista8

Arena.ai 发布了新评测方法 AutoEval，使用基于数百万真实 Arena 用户偏好训练的奖励模型对模型进行排名。该方法与实时人工评测结果高度一致，并将评测速度从数天缩短至数小时。AutoEval 支持文本、视觉、图像和代码 Arena 多种模态。新模型上线后可直接在排行榜显示 AutoEval 预估分数。

AI模型 AutoEval Arena.ai 奖励模型

推荐理由：Arena.ai 出了 AutoEval，用真实用户偏好训练奖励模型，几个小时就能评测新模型，比人工快几十倍，结果还跟人工差不多。

6月6日

03:50

03:50

lmarena.ai@lmarena_ai

Arena.ai 发布了一个新的智能体平台，旨在帮助用户通过智能体完成真实世界的工作任务。该平台不仅提供实用的工作辅助功能，还致力于衡量智能体 AI 的进步程度。用户可以通过 arena.ai/agent 访问并参与其中。这一举措标志着智能体 AI 从实验走向实际应用的重要一步，同时为评估 AI 能力提供了量化手段。

AI产品智能体 AI 平台工作自动化

推荐理由：想用 AI 智能体处理真实工作任务的团队，现在有了一个可以直接上手的平台，还能参与衡量 AI 进步，值得一试。