面對不同的大模型排行榜真正困難的不是找到一個(gè)名次而是判斷這個(gè)名次反映的是用戶偏好、標(biāo)準(zhǔn)化測試、軟件工程能力還是價(jià)格與速度.如果只想快速了解當(dāng)前大模型的綜合表現(xiàn)優(yōu)先查看Arena和Artificial Analysis前者更接近真實(shí)用戶的使用偏好后者適合同時(shí)比較能力、價(jià)格和推理速度。專項(xiàng)能力則應(yīng)結(jié)合 LiveBench、SWE-bench 等對應(yīng)基準(zhǔn)判斷。網(wǎng)站編號表示推薦閱讀順序不代表對平臺權(quán)威性的絕對排名動(dòng)態(tài)榜單的結(jié)果和維護(hù)狀態(tài)仍可能繼續(xù)變化。網(wǎng)站匯總評測網(wǎng)站開發(fā)/維護(hù)團(tuán)隊(duì)主要方向更新狀態(tài)ArenaArena Team起源于 UC Berkeley SkyLab / LMSYS真實(shí)用戶偏好、文本、多模態(tài)、代碼、Agent持續(xù)更新Artificial AnalysisArtificial Analysis綜合能力、價(jià)格、速度、Agent、API持續(xù)更新LiveBenchAbacus.AI、NYU、NVIDIA、UMD、USC 等研究人員動(dòng)態(tài)題庫、抗污染、客觀評分代碼倉庫持續(xù)更新官網(wǎng)顯示“Showing LiveBench-2026-06-25 — the latest release”SWE-benchSWE-bench Team起源于 Princeton、PLI、UChicago軟件工程、Coding Agent持續(xù)更新LM Market CapAnalyxa LLC多來源綜合排名、價(jià)格、速度、上下文與趨勢持續(xù)更新官方稱模型元數(shù)據(jù)每小時(shí)刷新Hugging Face Open LLM LeaderboardHugging Face 與開源社區(qū)開放權(quán)重模型標(biāo)準(zhǔn)基準(zhǔn)官方已停止并歸檔OpenCompass司南上海人工智能實(shí)驗(yàn)室相關(guān)團(tuán)隊(duì)及開源社區(qū)中文、通用能力、多模態(tài)、專項(xiàng)評測本文歸檔為歷史參考主榜單最近更新時(shí)間為 2026-05-13首選推薦快速了解當(dāng)前大模型表現(xiàn)1. ? Arena看真實(shí)用戶偏好與實(shí)際對戰(zhàn)表現(xiàn)網(wǎng)站簡介Arena 是基于真實(shí)用戶匿名對戰(zhàn)與偏好投票進(jìn)行模型比較的平臺。平臺最初以 Chatbot Arena 形式出現(xiàn)后更名為 LMArena并于 2026 年 1 月正式更名為 Arena。其公開榜單覆蓋文本、視覺、代碼、圖像、視頻、搜索和 Agent 等多種模型與任務(wù)。開發(fā)團(tuán)隊(duì)簡介Arena 最初由加州大學(xué)伯克利分校UC BerkeleySkyLab 的研究人員創(chuàng)建項(xiàng)目早期屬于 UC Berkeley / LMSYS 研究體系。此后項(xiàng)目公司化運(yùn)營由 Arena Team 持續(xù)開發(fā)和維護(hù)。主要評測方式匿名模型對戰(zhàn)真實(shí)用戶投票基于成對比較數(shù)據(jù)計(jì)算模型排名文本、視覺、Web 開發(fā)、圖像、視頻、搜索、Agent 等分類榜單官方鏈接及更新時(shí)間官網(wǎng)https://arena.ai/更新時(shí)間動(dòng)態(tài)更新截至 2026-08-19Arena 官方最近公開的榜單產(chǎn)品更新日期為2026-08-14。排行榜https://arena.ai/leaderboard更新時(shí)間動(dòng)態(tài)更新截至 2026-08-19Arena 官方最近公開的榜單產(chǎn)品更新日期為2026-08-14。2. ? Artificial Analysis綜合比較模型能力、價(jià)格與速度網(wǎng)站簡介Artificial Analysis 是獨(dú)立 AI 基準(zhǔn)測試與分析平臺公開比較大語言模型和 AI API 服務(wù)商的能力、價(jià)格、輸出速度、延遲、上下文窗口以及其他性能指標(biāo)。其模型榜單包含 Artificial Analysis Intelligence Index并提供代碼、Agent、長上下文、多模態(tài)、指令遵循等專項(xiàng)評測。開發(fā)團(tuán)隊(duì)簡介Artificial Analysis 由同名獨(dú)立 AI 基準(zhǔn)測試公司開發(fā)和維護(hù)。平臺業(yè)務(wù)覆蓋語言模型評測、推理性能、AI 硬件、語音、圖像與視頻生成、Agent 等方向。主要評測方式Artificial Analysis Intelligence Index獨(dú)立運(yùn)行的模型能力基準(zhǔn)測試Coding、Agentic、Long Context、Multimodal 等專項(xiàng)評測API 輸出速度、首 Token 延遲、端到端響應(yīng)時(shí)間測試模型與 API 價(jià)格比較官方鏈接及更新時(shí)間官網(wǎng)https://artificialanalysis.ai/更新時(shí)間持續(xù)更新截至 2026-08-19首頁 Changelog 最近一條公開更新為2026-08-18。大模型排行榜https://artificialanalysis.ai/leaderboards/models更新時(shí)間動(dòng)態(tài)更新截至 2026-08-19平臺最近一批公開語言模型評測更新日期為2026-08-18。其他評測與基準(zhǔn)測試網(wǎng)站3. LiveBench強(qiáng)調(diào)抗污染的動(dòng)態(tài)評測網(wǎng)站簡介LiveBench 是面向大語言模型的基準(zhǔn)測試和排行榜目標(biāo)之一是降低測試集污染對評測結(jié)果的影響。其題目來源包括數(shù)學(xué)競賽、論文、新聞和數(shù)據(jù)集等并使用具有客觀標(biāo)準(zhǔn)答案的任務(wù)進(jìn)行自動(dòng)評分。開發(fā)團(tuán)隊(duì)簡介LiveBench 由來自 Abacus.AI、紐約大學(xué)NYU、NVIDIA、馬里蘭大學(xué)UMD和南加州大學(xué)USC等機(jī)構(gòu)的研究人員共同開發(fā)項(xiàng)目由 Abacus.AI 贊助。其論文入選 ICLR 2025 Spotlight。主要評測方式使用較新的信息來源構(gòu)造題目以限制測試集污染使用可驗(yàn)證的客觀標(biāo)準(zhǔn)答案進(jìn)行自動(dòng)評分Reasoning、Coding、Mathematics、Data Analysis、Language、Instruction Following 等分類評測官方倉庫持續(xù)維護(hù)模型配置與評測代碼官方鏈接及更新時(shí)間官網(wǎng)與排行榜https://livebench.ai/更新時(shí)間動(dòng)態(tài)頁面展示 Showing LiveBench-2026-06-25 — the latest release.GitHubhttps://github.com/LiveBench/LiveBench更新時(shí)間最近提交2026-08-18。4. SWE-bench軟件工程與 Coding Agent 評測網(wǎng)站簡介SWE-bench 是面向大語言模型和軟件工程 Agent 的代碼能力評測基準(zhǔn)。其任務(wù)來自真實(shí) GitHub Issue 和對應(yīng)代碼倉庫要求模型理解現(xiàn)有代碼庫、修改代碼并通過項(xiàng)目測試。SWE-bench 官方榜單包括 SWE-bench、SWE-bench Verified、SWE-bench Multilingual、SWE-bench Multimodal、SWE-bench Lite 等版本并在 2026 年繼續(xù)維護(hù)相關(guān)榜單和軟件工程評測項(xiàng)目。開發(fā)團(tuán)隊(duì)簡介SWE-bench 最初由來自 Princeton University、Princeton Language and IntelligencePLI和 University of Chicago 的研究人員提出。原始論文作者包括 Carlos E. Jimenez、John Yang、Alexander Wettig、Shunyu Yao、Kexin Pei、Ofir Press 和 Karthik Narasimhan。項(xiàng)目由 SWE-bench Team 持續(xù)維護(hù)。主要評測方式真實(shí) GitHub Issue真實(shí)開源代碼倉庫自動(dòng)運(yùn)行測試驗(yàn)證補(bǔ)丁正確性以成功解決任務(wù)的比例作為核心指標(biāo)之一Verified、Multilingual、Multimodal 等不同任務(wù)集合官方鏈接及更新時(shí)間官網(wǎng)與排行榜https://www.swebench.com/更新時(shí)間動(dòng)態(tài)更新官網(wǎng) News 最近一項(xiàng)標(biāo)為2026 年 5 月ProgramBench官方代碼倉庫截至核對日仍在更新。GitHubhttps://github.com/SWE-bench/SWE-bench更新時(shí)間最近提交2026-08-18。5. LM Market Cap綜合查看模型排名、價(jià)格與使用成本網(wǎng)站簡介LM Market Cap 是一個(gè) AI 模型排名與比較平臺。它匯總多個(gè)公開評測來源為模型計(jì)算統(tǒng)一的 LMC Score并集中展示價(jià)格、輸出速度、上下文窗口、能力特性和排名變化等信息。除了大語言模型網(wǎng)站還收錄圖像與視頻生成模型。LM Market Cap 更適合用來快速篩選和橫向比較模型而不是作為某項(xiàng)原始基準(zhǔn)測試的官方結(jié)果來源。需要核驗(yàn)具體能力時(shí)仍應(yīng)回到 Arena、LiveBench、SWE-bench 等原始評測平臺。開發(fā)團(tuán)隊(duì)簡介LM Market Cap 官網(wǎng)將其標(biāo)注為 Analyxa LLC 旗下產(chǎn)品。官網(wǎng)公開資料主要介紹平臺功能和排名方法未提供更詳細(xì)的開發(fā)團(tuán)隊(duì)成員信息。主要評測方式匯總 Arena Elo、LiveBench、SWE-bench Verified、模型官方報(bào)告等多個(gè)來源的數(shù)據(jù)對不同基準(zhǔn)分?jǐn)?shù)進(jìn)行基線扣除和歸一化統(tǒng)一換算到 0100 分LMC Score 由基準(zhǔn)測試分?jǐn)?shù)90%、能力特性5%和上下文窗口5%組成在基準(zhǔn)測試部分將 Arena Elo 作為 30% 的權(quán)重其余任務(wù)基準(zhǔn)合計(jì)占 70%單獨(dú)展示模型價(jià)格、速度、上下文窗口、可用方式和歷史排名變化支持按照質(zhì)量、成本和使用需求調(diào)整權(quán)重生成自定義排名官方鏈接及更新時(shí)間官網(wǎng)與排行榜https://lmmarketcap.com/更新時(shí)間動(dòng)態(tài)更新截至 2026-08-19官網(wǎng)顯示榜單處于 Live 狀態(tài)官方說明模型元數(shù)據(jù)每小時(shí)刷新。排名方法https://lmmarketcap.com/docs/methodology更新時(shí)間方法頁持續(xù)維護(hù)截至 2026-08-19頁面模型評估方法變更記錄的最新版本為v32026 年 4 月。歷史參考6. Hugging Face Open LLM Leaderboard已停止維護(hù)網(wǎng)站簡介Open LLM Leaderboard 是 Hugging Face 曾長期維護(hù)的開放大語言模型排行榜主要用于比較公開權(quán)重模型在多個(gè)標(biāo)準(zhǔn)基準(zhǔn)上的表現(xiàn)。該榜單曾廣泛用于 Llama、Mistral、Qwen 等開放模型的橫向比較。Hugging Face 在2025-03-13正式宣布 Open LLM Leaderboard 退役。官方歸檔材料繼續(xù)保留舊版榜單、評測方法和歷史結(jié)果。開發(fā)團(tuán)隊(duì)簡介該榜單由 Hugging Face 團(tuán)隊(duì)及開源社區(qū)建設(shè)和維護(hù)依托 Hugging Face Hub、Datasets 和評測工具運(yùn)行開放模型基準(zhǔn)測試。主要評測方式歷史版本使用過 IFEval、BBH、MATH、GPQA、MMLU-Pro 等標(biāo)準(zhǔn)基準(zhǔn)評測開放模型。官方鏈接及更新時(shí)間歸檔文檔https://huggingface.co/docs/leaderboards/en/open_llm_leaderboard/archive更新時(shí)間歸檔頁面本身未公開單一最后更新時(shí)間其中 Open LLM Leaderboard v1 官方記錄為2024 年 6 月歸檔。官方退役公告https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard/discussions/1135更新時(shí)間2025-03-13官方宣布 leaderboard officially retiring。7. OpenCompass司南本文作為歷史參考網(wǎng)站簡介OpenCompass 是面向大語言模型和多模態(tài)大模型的開源評測平臺提供模型評測框架、數(shù)據(jù)集、評測配置和公開榜單。其評測體系支持客觀評測和主觀評測并覆蓋知識、語言、理解、推理、代碼、安全及垂直領(lǐng)域等能力。本文將 OpenCompass 的綜合大模型排行榜列入“歸檔/歷史參考”。截至 2026-08-19主榜單頁面顯示的最近一次更新時(shí)間為2026-05-13CompassArena 頁面顯示的榜單更新日期為2026-06-11。OpenCompass 代碼倉庫仍在維護(hù)但官網(wǎng)主頁顯示的模型已經(jīng)較為陳舊因此顯示歸檔。開發(fā)團(tuán)隊(duì)簡介OpenCompass 由上海人工智能實(shí)驗(yàn)室相關(guān)團(tuán)隊(duì)開發(fā)并維護(hù)同時(shí)接受開源社區(qū)貢獻(xiàn)。其開源代碼、文檔和多個(gè)專項(xiàng)評測平臺仍可訪問。主要評測方式標(biāo)準(zhǔn)數(shù)據(jù)集客觀評測LLM-as-a-Judge 評測主觀模型比較CompassAcademic 學(xué)術(shù)榜單CompassArena 匿名模型對戰(zhàn)與用戶投票多模態(tài)、醫(yī)療、金融等專項(xiàng)評測官方鏈接及更新時(shí)間OpenCompass 官網(wǎng)https://opencompass.org.cn/更新時(shí)間官網(wǎng)首頁未公開單一最后更新時(shí)間本文參考的綜合主榜單最近一次頁面更新時(shí)間為2026-05-13。大語言模型主榜單https://rank.opencompass.org.cn/leaderboard-llm-v2更新時(shí)間2026-05-13主榜單頁面顯示的最近更新時(shí)間。