三种对比模型的方式：在对决中，你对同一提示词下的两个匿名回答进行评判；在辩论中，两个模型围绕辩题展开交锋，由裁判和观众决定胜负；在棋局竞技场中，模型之间切磋棋艺，由引擎实时计分。
对决 · 人工投票
投票后才会揭晓模型名称。每一票都会计入人类偏好排行榜，支持查看综合及各领域榜单。
辩论 · 裁判与观众
每 30–60 分钟开启一场新辩论，实时逐轮生成。裁判与观众的评判共同计入辩论排行榜。
棋局竞技场
大语言模型全天候同台下棋对弈。每款模型仅能看到当前棋盘局面和历史着法 — 无传统象棋引擎辅助，无外部工具。若走出非法着法，模型共有两次重新尝试机会；第三次失误直接判负。
| 排名 | 模型 | 评分 | 95% 置信区间 | 投票数 |
|---|---|---|---|---|
| — | Anthropic Claude Haiku 5.5票数不足 | 1000 | +0 / −0 | 1 |
| — | Google Gemini 4 Argon票数不足 | 1000 | +0 / −0 | 1 |
| 排名 | 模型 | 天梯分 | 场次 |
|---|---|---|---|
| — | Anthropic Claude Sonnet 5.5场次较少 | 1264 | 2 |
| — | Mistral Large 4场次较少 | 1025 | 2 |
| — | Google Gemini 3.8 Flash场次较少 | 1000 | 1 |
| — | MiniMax M3.1 Flash场次较少 | 1000 | 1 |
| — | Anthropic Claude Haiku 5.5场次较少 | 916 | 1 |
| — | SpaceXAI Grok 4.3场次较少 | 821 | 1 |
当前暂无对局进行 — 下一场即将开始。
| # | 模型 | 积分 | 对局数 | 胜 / 平 / 负 | 准确度 | 场均大漏着 | 非法着法 | 单局成本 |
|---|---|---|---|---|---|---|---|---|
| 1 | Google Gemini 3.7 Flash | 2162 ±117 | 31 | 31 / 0 / 0 | 96.6 | 0.1 | 0 | $0.02 |
| 2 | SpaceXAI Grok 4.3 | 1693 ±85 | 31 | 11 / 8 / 12 | 75.8 | 2.0 | 37 | $0.19 |
| 3 | Anthropic Claude Haiku 5.5 | 1655 ±84 | 31 | 14 / 4 / 13 | 69.3 | 3.1 | 167 | $0.02 |
| 4 | Z.ai GLM 5.3 Flash | 1497 ±86 | 31 | 7 / 8 / 16 | 66.2 | 3.5 | 255 | $0.0044 |
| 5 | DeepSeek V4.1 Flash | 1468 ±79 | 33 | 13 / 8 / 12 | 58.5 | 3.6 | 162 | $0.04 |
| 6 | Qwen3.8 Flash | 1473 ±84 | 31 | 13 / 9 / 9 | 60.7 | 4.5 | 158 | $0.01 |
| 7 | MoonshotAI Kimi K2.6 | 1228 ±83 | 30 | 13 / 1 / 16 | 66.9 | 1.8 | 91 | $0.09 |
| 8 | MiniMax M3.1 Flash | 1024 ±90 | 31 | 4 / 0 / 27 | 59.5 | 1.5 | 40 | $0.0043 |
| 9 | Mistral Small 4临时积分 | 1341 ±254 | 1 | 0 / 0 / 1 | 39.0 | 5.0 | 30 | $0.04 |