Kaggle 推出 Arenas：用户投票评选模型对抗表现
Kaggle 做了个投票版模型竞技场：同一道题丢给两个模型，你来选谁做得好，投票攒成排行榜。和 LMAarena 打法类似但主打 3D 建模、数据可视化这类出图的活儿，选模型时可以拿来当个直观参考。
#排行榜
共 94 条 · 7 天 8 条 · 30 天 21 条
信息流里打上「排行榜」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月13日
11月12日
Agent Arena 智能体竞技场排行榜上线
LMArena 搞了个专门测智能体的排行榜 arena.ai/leaderboard，评的是模型调用工具、多步执行任务的能力，跟平时聊天榜单不是一回事。正在给智能体项目选模型的开发者可以直接翻排名做参考。
Agent Arena 排行榜上线帕累托视图
LMArena 给 Agent Arena 榜单加了个帕累托视图，能直观看出哪些智能体模型在质量和其他约束之间占优。做 Agent 选型的开发者可以直接翻榜单对比各家表现，比看零散评测省事。
LMArena 推出 Agent Arena 智能体排行榜
LMArena 这个版本把评测对象从聊天机器人换成了会干活的智能体，做 Agent 的朋友可以去 arena.ai/leaderboard/agents 看各家对战成绩，选型时多一个社区投票的参考维度。
11月11日
LMArena 推出 Agent Arena 智能体排行榜
搞智能体开发的朋友可以看看，LMArena 把他们那套真人投票评测搬到了 Agent 上，以后选底层模型不用只看官方跑分了，直接看真实任务里的排名更靠谱。
11月10日
arena.ai 公开竞技场排行榜详情页面
arena.ai 官方发了排行榜详情页链接，想看模型排名的可以直接点进去翻数据。推文本身没给分数和模型名，具体谁升谁降得自己上页面看，关注模型对比的人可以去核一下。
Agent Arena 智能体排行榜上线 Pareto 前沿视图
LMArena 把智能体榜单加了个 Pareto 前沿视图，一眼看出哪些 agent 在性能和成本之间最划算。选型时不想只看总排名的话，这个视角挺实用，做 agent 的开发者可以去看看自己用的模型在不在前沿上。
11月7日
LMArena 上线 WebDev 代码竞技场分类
写前端的可以看看 LMArena 新开的 WebDev 榜，全是真人盲测投票排出来的，选模型前先瞄一眼。
11月6日
Code Arena WebDev 排行榜上线 AutoEval 自动评分
想看各家模型写网页到底谁强，Code Arena 的 WebDev 榜单更新了，用的是 AutoEval 自动评分，可以直接看分数。
Agent Arena 智能体竞技场上线：arena.ai 新增排行榜
LMArena 出了个 Agent Arena，各路智能体同台打分，做 Agent 的可以看看排行。
新基准测试智能体能否胜任科研任务
有人做了个 50 多个任务、覆盖 9 个学科的基准，专门测智能体能不能真正做科研，还带排行榜可以看谁家 agent 最能打。
11月5日
Agent Arena 智能体排行榜上线，可对比各智能体表现
想在同一个地方对比各家智能体水平的可以去看看 arena.ai 这个排行榜
LMArena 推出 Agent Arena 智能体排行榜
LMArena 搞了个 Agent Arena 排行榜，能看到各家智能体模型的排名，做 Agent 选型的可以对照着看。
11月4日
Agent Arena 排行榜上线，可查看智能体竞技排名
Arena 搞了个 Agent 竞技场排行榜，想看各家智能体实际对拼谁强谁的，直接打开就能看排名。
11月3日
arena 发布智能体排行榜，可按场景查看模型表现
LMArena 上线了智能体排行榜，想给 Agent 任务挑模型的话可以直接去 arena.ai/leaderboard/agents 按类别对比各家成绩。
10月29日
Google 一款已官宣未上线的模型跃居排行榜首位
Google 有个还没公开的模型悄悄冲到榜首了，之前唱衰 Google 的人可以重新看看这条。
10月20日
Wan3.0 Prime 登顶 OpenRouter 视频榜单第一
阿里 Wan3.0 Prime 冲上 OpenRouter 视频榜第一，自家 Wan3.0 也排第三，说明真有大量创作者在用，可以关注下。
LMArena 上线 Agent Arena 智能体排行榜
LMArena 把竞技场玩法搬到了智能体上，arena.ai 新增 Agent 排行榜，想选 Agent 的可以先看看这份榜单。
10月19日
Code Arena 编程竞技场排行榜公开
Code Arena 把编程模型的完整榜单放出来了，排名全靠真人盲测投票，选编程模型前可以先看一眼。
10月17日
Agent Arena 上线智能体排行榜，可直接查看各智能体排名
LMArena 团队上线了 Agent Arena 排行榜，想知道各家智能体谁强谁弱，去这看排名就行，选工具前先逛逛。
10月15日
Agent Arena 完整排行榜公布，可在 arena.ai 查看
想挑智能体先看排名的话，Agent Arena 把完整榜单放在了 arena.ai 上，直接去翻就行。
10月14日
LMArena 回应质疑：榜首模型在 Factuality 设置下仍居第一
LMArena 出面回应了榜首模型只靠人设赢投票的说法，解释了 Factuality 排名的具体算法，数据党可以看看。
Agent Arena 智能体竞技场排行榜更新新晋头部模型
智能体对战榜换了新面孔，做 Agent 选型前可以去 arena.ai 上看看各家模型的实战评分再决定用哪个。
10月13日
Arena 更新 Agentic 排行榜
Arena 更新了智能体任务排行榜，想看各家模型在 agent 能力上谁排前面的可以去榜单页翻排名。
10月11日
LMArena 公布编码模型性价比 Pareto 前沿排行榜
LMArena 把编码模型的性能和价格画成了一张 Pareto 前沿图，选模型前先看这张图，能一眼找到同价位里最划算的那个。
10月9日
Agent Arena 榜单上线，查看完整智能体排行榜
Arena 挂出了完整的智能体排行榜，想知道各家 Agent 谁强谁弱，直接看这个榜单就行。
10月6日
Agent Arena 智能体排行榜分类页面现已上线
Arena 把智能体排行榜拆成了分类页面，想对比各家 Agent 表现的可以直接去翻分类看排名。
10月4日
Agent Arena 排行榜上线：查看智能体成绩与 Pareto 前沿
LMArena 的智能体榜单更新了，能看各家 agent 的实时排名和性价比前沿，选模型前可以去对照一下。
LMArena 上线 WebDev 排行榜，可按前端开发能力对比模型
LMArena 新上了 WebDev 排行榜，想选个写前端靠谱的模型，直接看这个榜比看跑分直观多了。
9月29日
Agent Arena发布千万级智能体任务评测
Agent Arena上线了千万级真实智能体任务排行榜，用因果追踪方法评估模型表现。
Agent Arena发布帕累托前沿排行榜
Agent Arena出了新排行榜，帮你找到性能和效率平衡的最佳AI智能体。
Agent Arena发布帕累托前沿排行榜
Agent Arena更新了排行榜，展示了AI智能体的帕累托前沿，帮你找到性能均衡的最佳模型。
9月26日
Agent Arena 推出 Pareto 前沿视图，对比智能体任务净提升与成本
想选智能体工具的可以看看这个排行榜，把效果和每次任务的成本放在一张图上比，挑性价比一目了然。
9月25日
Agent Arena 排行榜上线：用真实长程智能体任务评测模型
LMArena 团队搞了个 Agent Arena 榜，不用考试题，直接看模型配搜索、终端工具干真实活儿的结果，选模型前可以去看看。
LMArena 更新模型竞技场排行榜
LMArena 的排行榜改版了，想选模型可以先去这里看看各家的盲测投票排名，比看跑分更贴近真实使用。
Arena 推出改版后的排行榜总览页面
Arena 把所有排行榜整合到了一个页面，查 GPT-6 Sol 或 Claude Opus 5.5 的分数和各类别排名不用来回切了。
9月6日
Agent Arena发布Pareto前沿排行榜
Agent Arena上线了智能体性能平衡排行榜，帮你快速找到最适合需求的AI模型。