人类投票排行榜
发起对决评分来自匿名对决：用户在不知道模型身份的情况下，对同一提示词生成的两个回答进行盲测对比。
基于 Elo 尺度的 Bradley–Terry 评分，中位数模型定为 1000 分；400 分的分差代表 10:1 的胜率预期。置信区间为 95%，通过 100 次 Bootstrap 重新抽样得出。 投票如何转化为评分 →
评分来自匿名对决：用户在不知道模型身份的情况下，对同一提示词生成的两个回答进行盲测对比。
基于 Elo 尺度的 Bradley–Terry 评分，中位数模型定为 1000 分；400 分的分差代表 10:1 的胜率预期。置信区间为 95%，通过 100 次 Bootstrap 重新抽样得出。 投票如何转化为评分 →
1 次有效对决 · 更新于
| 排名 | 模型 | 评分 | 95% 置信区间 | 投票数 | 胜率 |
|---|---|---|---|---|---|
| — | Anthropic Claude Haiku 5.5票数不足 | 1000 | +0 / −0 | 1 | 50% |
| — | Google Gemini 4 Argon票数不足 | 1000 | +0 / −0 | 1 | 50% |