LMSYS Arena 相关 AI 资讯 · AITOP · AI热报

7月31日

02:23

02:23

lmarena.ai@lmarena_ai

精选

LMSYS Arena 推出 AutoEval，一种在完整评测结果出炉前比较候选模型检查点的早期信号。实验显示，当两个模型的 Arena 分数差≥10 分时，AutoEval 在超过 90% 的案例中正确识别出更高分模型；分数差≥15 分时，对所有测试对均正确排序。

AI模型 AutoEval LMSYS Arena 模型评估

推荐理由：如果你经常在评测结果出来前纠结选哪个检查点，AutoEval 能提前帮你判断，分差够大时几乎不出错。

7月28日

05:17

05:17

lmarena.ai@lmarena_ai

79°

Claude Opus 5 在 LMSYS Arena 的 Frontend Code Arena 中排名第一，Text Arena（factuality 开启）也位列第一。开启默认高推理模式时，它在 Frontend Code Arena 排第三，仅次于 Kimi K3，在 Text Arena 排第二。该数据基于真实世界任务，包括智能体网页编码、文档推理和通用对话。Anthropic 发布的新模型在价格减半的情况下接近 Fable 5 的前沿智能水平。当前 Claude Opus 5 Max 的评分仍为初步结果，后续会更新。

AI模型 Claude Opus 5 Anthropic LMSYS Arena

推荐理由：Anthropic 的 Claude Opus 5 在多个 Arena 基准上拿了第一，价格还比 Fable 5 便宜一半。做前端编码或文档推理的朋友可以重点关注。