真人匿名两两偏好评分
大模型综合偏好榜
比较口径：Arena 官方 CC BY 4.0 数据集；真人匿名两两选择，采用风格控制后的综合评分。
01claude-fable-5anthropic · 4,299 次对战 · Proprietary置信区间 1499–15181,509Arena Score02claude-opus-4-6-thinkinganthropic · 58,968 次对战 · Proprietary置信区间 1500–15071,504Arena Score03claude-opus-4-7-thinkinganthropic · 46,183 次对战 · Proprietary置信区间 1498–15071,503Arena Score04claude-opus-4-6anthropic · 62,650 次对战 · Proprietary置信区间 1494–15021,498Arena Score05claude-opus-4-7anthropic · 47,222 次对战 · Proprietary置信区间 1490–14991,494Arena Score06muse-spark-1.1meta · 3,750 次对战 · Proprietary置信区间 1480–14991,490Arena Score07muse-sparkmeta · 13,573 次对战 · Proprietary置信区间 1482–14931,488Arena Score08gpt-5.6-sol-xhighopenai · 1,740 次对战 · Proprietary置信区间 1472–15011,486Arena Score09gemini-3-progoogle · 41,308 次对战 · Proprietary置信区间 1482–14901,486Arena Score10gemini-3.1-pro-previewgoogle · 78,561 次对战 · Proprietary置信区间 1482–14891,485Arena Score