排行榜在 AI 行业中指对大模型、智能体等系统按能力或性价比进行公开排名的榜单体系，其中 LMArena（原 Chatbot Arena）基于用户盲测投票的 Elo 评分是最具影响力的基准之一。近期榜单生态明显扩展：从语言模型延伸到智能体（Agent）、编程模型、视频生成等细分赛道，同时榜单本身的公信力也持续受到质疑与回应。
LMArena 排行榜近期进展
排行榜的当前焦点与观察点
榜单生态正经历两个方向的变化。一是评测对象从对话模型快速扩展到智能体、编程、视频等具体能力域，Agent Arena 的多次更新表明智能体评测需求增长最快，但智能体任务比单轮对话更难标准化，评测方法的可信度仍待检验。
二是公信力争议持续。LMArena 被指存在评分操纵和实验室选择性披露的可能性，尽管官方以 Factuality 设置下的复测作为回应，但业内对盲测投票能否代表真实能力仍有分歧。此外，性价比 Pareto 前沿类榜单兴起，说明用户关注点正从“谁最强”转向“单位成本下谁更优”。
后续值得观察的指标包括：Agent Arena 能否建立统一的任务基准、细分榜单是否会成为厂商发布模型时的标准引用对象，以及争议之后 LMArena 在评测透明度上是否有实质改进。对使用者而言，榜单适合作为初筛参考，最终选型仍需结合自身场景实测。