Chinese contentKaggle 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。
#leaderboards
94 stories · 8 in 7 days · 21 in 30 days
Stories, products and papers tagged "leaderboards", newest first.
Nov 13
Nov 12
Chinese contentAgent 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。
Chinese contentAgent 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。
Chinese contentLMArena 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。
Nov 11
Chinese contentLMArena 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。
Nov 10
Chinese contentarena.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。
Chinese contentAgent 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。
Nov 7
Nov 6
Chinese contentCode 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。
Chinese contentAgent 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。
Nov 5
Chinese contentLMArena 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。
Nov 4
Nov 3
Chinese contentarena 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。
Oct 29
Oct 20
Chinese contentWan3.0 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。
Chinese contentLMArena 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。
Oct 19
Oct 17
Chinese contentAgent 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。
Oct 15
Chinese contentAgent 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。
Oct 14
Chinese contentLMArena 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。
Oct 13
Oct 11
Chinese contentLMArena 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。
Oct 9
Oct 6
Oct 4
Chinese contentAgent 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。
Sep 29
Agent Arena Pareto Frontier Ranking
This ranking provides a practical framework for developers to navigate the trade-offs between agent performance and computational efficiency, a critical consideration as AI applications scale. For developers in Southeast Asia building AI-powered solutions, this benchmark offers concrete data points to optimize resource allocation when selecting agents for production environments.
Agent Arena Pareto Frontier Ranking
This ranking provides concrete insights into which AI agents perform best across different task dimensions, helping developers make informed choices. For developers in Southeast Asia, this comparison can guide tool selection for local applications, especially when working with limited resources or specific performance requirements.
Sep 26
Agent Arena Pareto frontier maps net improvement against median task cost
Cost-versus-quality tradeoffs in agent benchmarks are rarely shown on a single chart, and a Pareto frontier makes the efficient frontier visible at a glance. Teams choosing an agent for production workloads can use it to shortlist models that balance spend and performance. Check the live leaderboard for the current rankings before committing to an agent.
Sep 25
Chinese contentAgent 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。
Chinese contentArena 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。
Sep 6