搜索
希望能做一个各个模型评分排行的汇总，方便实时了解和对比各种模型的性能。这个是一个非常有趣、且对我自己非常刚需的需求。因为现在的模型评测排行榜、评测集等等，实在是太多太多了，人人其实都可以做一份自己的评测集，然后来跑一份模型排行榜，有的测的全一些，有的就是个垂直场景的特定任务，这个量级真的特别大。
近日，Meta 首席 AI 官、被称为公司“最高薪员工”的 Alexandr Wang，因一句简单却极具挑衅意味的话引起热议：“gemini who?（Gemini，谁啊？）”这场口水战的背后，其实是一场 AI 巨头之间的公开较量——Meta 最新模型 Muse Spark 1.1 在一份模型排行榜中超过了谷歌刚发布的 Gemini 3.6 Flash
你现在养了几只龙虾？
谁能想到，AI界最权威的大模型排行榜，竟然是个彻头彻尾的骗局？最近，2025年底的一篇名为《LMArena is a cancer on AI》的文章被翻了出来。登上了Hacker News的首页，引起轩然大波！
当AI模型排行榜开始被各种刷分作弊之后，谁家大模型最牛这个问题就变得非常主观，直到一家线上排行榜诞生，它叫：LMArena。在文字、视觉、搜索、文生图、文生视频等不同的AI大模型细分领域，LMArena上每天都有上千场的实时对战，由普通用户来匿名投票选出哪一方的回答更好。
开源大模型，进入中国时间。 10月，公开数据显示，来自中国的开源大模型已经牢牢占据榜单前五。 阿里的Qwen系列和DeepSeek，更是从2024年下半年起，就在开源社区构建起越来越深远的影响力。
AI模型排行榜分两类：以高考式标准化测试衡量特定能力的客观基准测试（如AAII、MMLU-Pro），以及用户匿名盲测、根据偏好对答案投票排名的人类偏好竞技场（如LMArena）。两者各有优劣和局限性，且排行榜本质是门生意。用户应基于实际需求而非榜单名次选择模型，实用性至上。
家人们！燃起来了燃起来了！ 今天，HuggingFace的开源大模型排行榜前10名中，竟有9个席位被中国模型占据！（深挖了一下，另外一位也是我们华人大神的项目）
GPT-4o原生图像一出手，直接登顶流量王座！今天凌晨，OpenAI再放大招更新GPT-4o，冲进大模型排行榜第二碾压Grok 3、GPT-4.5。创意一键生成，Midjourney瞬间黯然失色，设计师开始颤抖吧。
有研究预计，如果 LLM 保持现在的发展势头，预计在 2028 年左右，已有的数据储量将被全部利用完。届时，基于大数据的大模型的发展将可能放缓甚至陷入停滞。