目前各大模型厂商都在不断推出新模型，眼花缭乱。

许多人想知道不同模型到底处于什么水平，列如最近 GLM 4.7 出来许多人很想知道水平怎样，往往得四处打听，可不同人给出的答案又不一样。

那有没有一些榜单，能让我们一眼看出它们的大致实力？

这篇文章给大家分享几个比较不错的榜单，大家可以适当参考。

常见榜单

lmarena

• 平台特点：由 LMSys 团队运营，采用“人类对战评测”（Arena，对比两家模型回答，用户盲评哪一个更好），用 Elo 评分做排序，更贴近真实使用偏好。
• 覆盖范围：不仅有通用文本，还分 Text、WebDev、Vision、Text‑to‑Image、Search、Text‑to‑Video 等多个子榜单。
• 使用价值：适合想看“在真实用户眼里，哪个模型更好用”的场景，列如选聊天、写作、写网页的小白或开发者。

https://lmarena.ai/zh/leaderboard

Artificial Analysis

Artificial Analysis 是一家独立的 AI 测评与分析公司，自我定位是“独立的 AI benchmark & analysis 公司”，专门做模型性能、成本等对比评估，为企业和开发者提供选型参考。

综合排行

https://artificialanalysis.ai/leaderboards/models

综合排行（Models Leaderboard）：按“智能、价格、推理速度、上下文长度”等多维度给上百个模型打分，可以看到每个模型在不同能力和成本上的折中。

编码领域

https://artificialanalysis.ai/models/capabilities/coding

编码领域榜（Coding capabilities）：单独抓出“代码能力”相关基准（如代码生成、修复、竞赛题等），比较各模型在编程任务上的表现，更偏工程与生产力导向。

SuperCLUE

面向“中文通用大模型”，重点关心“在一系列中文任务上的整体表现如何，和国际模型、人类水平差距多大”。包含多轮开放问答、客观题、匿名对战等多个子基准，按月更新。

通用榜

https://www.superclueai.com/generalpage

专项榜单

https://www.superclueai.com/benchmarkselection?category=specialized

https://www.superclueai.com/specificpage?category=specialized&name=SuperCLUE-SWE%E3%80%8C%E8%BD%AF%E4%BB%B6%E5%B7%A5%E7%A8%8B%E3%80%8D&folder=SWE

llm-stats

做成“信息面板”，聚焦展示各大模型在多种公开基准上的分数，同时附带价格、上下文长度等元信息，可对多个模型进行横向对比。

https://llm-stats.com/leaderboards/llm-leaderboard

写在最后

需要强调的是，大模型榜单只是一个参考。

有些模型在榜单上的表现超级不错，但实际使用的话可能会有一些折扣。

而且同一个模型在不同的任务上，它的表现也会有差异。我们还是要以自己业务实际的测评，自己实际的使用体验为准。

—-

欢迎关注我的公众号：悟鸣AI，后续会陆续分享比较有用的 AI 工具和比较好的 AI经验，比较客观理性的 AI 观点等。