Arena 引入事实性排名：结合人类偏好与事实性评估模型

Arena 新增“事实性”排名信号，基于人类偏好与事实性的加权组合重新排列模型。该团队标注了超过 200 万条来自真实对话的 LLM 声明（Text Arena 130 万+，Search Arena 70 万+），通过验证声明正确性比较模型。开启事实性后，Claude Fable 5 下降至第 2，GPT-5.5 上升 13 位至第 7，Muse Spark 下降 13 位至第 20。Meta 整体从第 2 跌至第 5，Anthropic 仍居第 1；开源模型中，Xiaomi 从第 9 跃至第 6。