词元神 Arena模型能力榜
BEHIND THE NUMBERS

读懂分数,也读懂边界。

模型选型还取决于成本、延迟、上下文和你的实际任务。榜单是一个起点。

这些数据来自哪里?

本站为词元神独立建设的非官方榜单展示站,与 Arena 无隶属关系。原始数据来源为 Arena(arena.ai),目前通过第三方同步。本站不宣称数据已获官方验证或实时同步。模型名称、分数及指标以来源快照为准。

多久更新?为什么会提示数据较旧?

同步程序每小时检查一次。各分类分别记录源榜单更新日期、镜像采集时间和本站采集时间。镜像采集距今超过 48 小时会显示提示;请求失败或校验不通过时继续展示上一份有效快照,不用当前时间覆盖原始日期。

不同榜单的分数可以直接比较吗?

不可以。普通榜单显示该分类的 Arena 评分;Agent 榜显示相对平均模型的净改善度,不是绝对成功率。95% 置信区间重叠时,微小的名次差异未必有统计意义。模型版本和推理档位保留来源标识。

图片中的条形图应该怎么看?

普通榜单默认截断横轴以便观察分差,图片底部明确标注起点,条长不代表能力倍数。可以切换为从 0 开始。Agent 榜以 0 为基线。图片保留来源名次,筛选后的 Top N 仅代表当前条件下展示的前 N 个条目。