lmarena.ai
由加州大学伯克利分校 SkyLab 研究团队创建，现已独立于 LMSYS.org，致力于通过社区参与推动 AI 研究。平台支持多种 AI 模型，涵盖文本、图像等多种模态，并提供实时排行榜，展示模型性能。用户可以免费访问，操作简单，适合研究人员、开发者或对 AI 感兴趣的普通用户。平台通过超过 350 万个用户投票生成可靠的排行数据，确保评估结果公开透明。
| 软件平台 | 网页 |
| 收费模式 | 付费使用 |
| 中文语言支持 | 支持中文 |
| 中国大陆使用 | 无法直连，需要VPN |
AI研发工程师使用LMArena评估和比较不同大模型的性能，以指导模型的优化和选择，提升研发效率。
产品经理利用LMArena的排行榜和评估结果，选择最适合产品需求的AI模型，确保产品功能的高质量实现。
数据科学家通过LMArena对模型的多维度评估，选择最适合数据分析和预测任务的AI模型，提升数据处理能力。
AI产品测试员使用LMArena对模型进行全面评估，确保产品中集成的AI模型在实际应用中的稳定性和准确性。
技术顾问参考LMArena的评估结果，为客户提供最适合其业务需求的AI模型选择建议，优化技术方案。
AI应用开发者利用LMArena的评估数据，选择性能最佳的AI模型，提升应用的智能化水平和用户体验。
AI产品经理通过LMArena的排行榜，了解市场上AI模型的最新动态，指导产品的功能规划和迭代。
用户可在不知晓模型身份的情况下，对两个模型的回答进行选择，减少偏见和先入为主的印象。
采用 Elo 评分系统，根据用户投票结果动态更新模型排名，反映模型性能的最新情况。
平台涵盖多家知名 AI 模型，如 GPT-4o、Claude、Gemini、Llama 等，提供广泛的比较选择。
依靠用户的真实反馈和投票，形成开放透明的评测机制，促进模型改进和发展。
开源了迄今为止最大的人类偏好数据集，支持学术研究和工业应用的发展。
由于用户投票可能受个人偏好影响，评测结果可能存在主观性，影响排名的客观性。
部分模型可能在训练过程中接触到评测数据，导致评测结果失真。
用户输入的内容可能被公开分享，存在隐私泄露的风险。
尽管支持多种模型，但仍有部分模型未被纳入评测范围，限制了比较的全面性。
不同用户对模型回答的评价标准可能不一致，影响评测结果的可靠性。
