Leaderboard（排行榜）在 AI 领域指的是对大模型、智能体或语音等专项能力按公开评测指标排序的公开榜单，如 LMArena、各类 Benchmark 榜单，已成为开发者选型、厂商宣传的核心参考工具。2025 年下半年以来，AI 排行榜正从单一的语言模型对战榜单，快速分化出编程、Web 开发、智能体、模型指纹验证等多个细分方向，覆盖面和影响力同步扩大。
AI Leaderboard 的近期进展
当前焦点与观察点
当前 AI Leaderboard 的核心焦点集中在三点。其一是评测维度的细分：从通用对话到编程、Web 开发、智能体执行，榜单粒度越来越细，单一总分越来越难概括模型实力。其二是评测方式的争议：对战式（Arena）评分依赖真人投票，存在偏好偏差；基准测试则面临数据污染和刷榜质疑，两种路线的公信力都在被持续讨论。其三是榜单功能的外延：Sentient 的模型指纹榜单把排行榜用于验证权重归属，说明榜单不再只是性能排名工具，也可能成为模型知识产权保护的 infrastructure。
对普通使用者而言，观察 Leaderboard 时建议关注评测样本量、更新频率以及榜单是否公开评测方法，这些因素比单纯的排名名次更能反映榜单结论的可靠性。可以预期，随着智能体应用落地，Agent 类榜单的排名变动将成为后续最值得跟踪的信号。