外观模式

前端模型盲测天梯

zyarena 按真实同题双作品盲测计算模型天梯。分数和名次只能在同一个比较组内解读,样本有限的条目会标为暂定。

榜单数据范围

统计口径
按模型聚合,未按题型、运行工具或渠道筛选。
有效比较
379 场,覆盖 15 道题目,形成 1 个比较组。
最近记录的投票
2026-11-20 17:01:12.728642+00

评测方法与引用说明 · 查看评测题目与原始成果

zyarena 模型综合榜
比较组组内排名模型综合分胜率(平局折半)比较场次样本说明
1暂定GPT-6.1 Sol126968.8%32样本不足,暂定
1暂定Claude Opus 5.5121381.2%40样本不足,暂定
1暂定GPT-6 Astra116778.1%16样本不足,暂定
1暂定GPT-5.6 Sol115383.3%6样本不足,暂定
1暂定GLM-5.2114387.5%4样本不足,暂定
1暂定GPT-6.1 Terra112170.0%10样本不足,暂定
1暂定kalmia110268.8%8样本不足,暂定
1暂定Qwen3.8 Flash Next109066.7%6样本不足,暂定
1暂定GPT-6.2 Astra1088100.0%3样本不足,暂定
1暂定Qwen3.8 Max 0902108767.9%14样本不足,暂定
1暂定MiMo-V2.6-Flash108565.4%13样本不足,暂定
1暂定Ling 3.1 Flash108366.7%3样本不足,暂定
1暂定U2-Flash1082100.0%3样本不足,暂定
1暂定DeepSeek V4.1 Flash 1017108061.5%39样本不足,暂定
1暂定Qwen4-Max107680.0%5样本不足,暂定
1暂定Claude Sonnet 5.5107270.0%5样本不足,暂定
1暂定Gemini 3.8 Flash107148.8%42样本不足,暂定
1暂定Kimi K3.1 Pro107164.3%14样本不足,暂定
1暂定Space Bunny107163.6%11样本不足,暂定
1暂定Claude Fable 5.1107056.7%15样本不足,暂定
1暂定Atria Dawn Preview106766.7%3样本不足,暂定
1暂定Gemini 4 Carbon106570.0%10样本不足,暂定
1暂定kairo106483.3%3样本不足,暂定
1暂定Gemini 4 Neon106383.3%3样本不足,暂定
1暂定DeepSeek V4.1 Flash 0910106253.6%14样本不足,暂定
1暂定GPT-6 Sol105965.4%13样本不足,暂定
1暂定Gemini 4 Argon105568.8%8样本不足,暂定
1暂定o3105575.0%4样本不足,暂定
1暂定Qwen3.8 Flash105375.0%4样本不足,暂定
1暂定Gemini 4 Hydrogen104983.3%3样本不足,暂定
1暂定GPT-6.2 Sol104558.3%6样本不足,暂定
1暂定Claude Fable 5.2104460.0%10样本不足,暂定
1暂定kentia1042100.0%2样本不足,暂定
1暂定MiniMax-M3.1-Flash-Preview104050.0%4样本不足,暂定
1暂定fe-raichu1038100.0%1样本不足,暂定
1暂定Inkling Small103675.0%2样本不足,暂定
1暂定Hy4 preview103446.2%13样本不足,暂定
1暂定Qwen4-Max-Preview103466.7%3样本不足,暂定
1暂定Claude Haiku 5.5103261.5%13样本不足,暂定
1暂定kerria102766.7%3样本不足,暂定
1暂定Muse Spark 1.3101450.0%4样本不足,暂定
1暂定zippy100950.0%3样本不足,暂定
1暂定Step 5 Preview100245.8%12样本不足,暂定
1暂定GLM-5.399953.6%28样本不足,暂定
1暂定Gemini 3.6 Flash99550.0%3样本不足,暂定
1暂定Hy4 flash99550.0%4样本不足,暂定
1暂定Grok 4.699450.0%7样本不足,暂定
1暂定Gemini 3.7 Flash98758.3%6样本不足,暂定
1暂定Mistral Large 498642.9%7样本不足,暂定
1暂定Muse Spark Open9790.0%1样本不足,暂定
1暂定ERNIE 5.5 Flash Preview97837.5%8样本不足,暂定
1暂定MiniMax-M3.1-Flash97643.8%8样本不足,暂定
1暂定QoDuck97537.5%8样本不足,暂定
1暂定Hy497341.7%6样本不足,暂定
1暂定Qwen3.8 27B97312.5%4样本不足,暂定
1暂定Grok 4.797053.1%16样本不足,暂定
1暂定Grok 4.59690.0%1样本不足,暂定
1暂定GPT OSS 120B9620.0%1样本不足,暂定
1暂定Claude Fable 59570.0%1样本不足,暂定
1暂定GLM-5.3-Flash95738.3%30样本不足,暂定
1暂定LongCat 2.595525.0%4样本不足,暂定
1暂定GPT-4.1 mini9520.0%2样本不足,暂定
1暂定MiMo-V2.6-Pro94934.6%13样本不足,暂定
1暂定Qwen3.7 Max94633.3%6样本不足,暂定
1暂定Claude Sonnet 4.69440.0%3样本不足,暂定
1暂定Ling 3.2 Flash9410.0%3样本不足,暂定
1暂定Muse Wonder94125.0%6样本不足,暂定
1暂定Beam 1.0 501B A23B9380.0%3样本不足,暂定
1暂定Gemma 4 31B IT9380.0%2样本不足,暂定
1暂定Hy392733.3%6样本不足,暂定
1暂定Claude Opus 4.69150.0%4样本不足,暂定
1暂定Nemotron 3 Ultra 550B A55B9140.0%4样本不足,暂定
1暂定Seed Evolving90816.7%3样本不足,暂定
1暂定GPT-4.19060.0%3样本不足,暂定
1暂定Qwen3.8 Max90631.2%8样本不足,暂定
1暂定Kimi K2.8 Preview89916.7%3样本不足,暂定
1暂定Mistral Large 38790.0%3样本不足,暂定
1暂定Inkling8760.0%6样本不足,暂定
1暂定GPT-5.6 Terra8757.1%7样本不足,暂定
1暂定Kimi K386632.4%17样本不足,暂定
1暂定GPT-6 Luna86036.2%29样本不足,暂定
1暂定Seed 2.1 Pro85916.7%6样本不足,暂定
1暂定Claude Opus 584917.6%17样本不足,暂定
1暂定MiniMax-M38438.3%6样本不足,暂定
1暂定Claude Haiku 4.58380.0%3样本不足,暂定
1暂定Nemotron 3.5 Super VL 120B A12B8097.1%14样本不足,暂定
1暂定Gemini 3.1 Pro Preview7620.0%8样本不足,暂定
未连通待定GPT-5.4暂无暂无0样本不足,暂定
未连通待定Gemini 3.1 Flash Lite暂无暂无0样本不足,暂定
未连通待定Nemotron 3.5 Lightning 30B A3B暂无暂无0样本不足,暂定
未连通待定stratus暂无暂无0样本不足,暂定
LET’S TALK

留言板把想法留在这里

聊聊模型实测,分享使用体验,或为本站提个建议。

zyarena · 自由模型竞技场

同一道题,
看见模型的不同。

在同一道题下体验不同 AI 模型的真实成果。并排运行作品,参加匿名盲测,查看模型天梯与评测报告。

浏览全部题目
01 统一任务02 真实运行03 匿名盲测
关注 ZYCodeLab

模型评测、开发实践与创作记录

EXPLORE THE COLLECTION

评测方案从感兴趣的任务开始

正在加载评测方案…

BLIND ARENA / YOUR CHOICE MATTERS

先看作品,
让作品说话。

同一道题,两份匿名答案。体验之后投出你的一票,让实际效果决定排名。

01 选择感兴趣的题目02 体验两份匿名成果03 保持匿名或结束揭晓
READY TO COMPARE

看作品,选出你的偏好

正在查找可参与的题目…

比较同题模型作品,有效票计入模型榜。

正在计算可用组合…

随时可以结束并查看已完成的结果。未比较过的组合计入天梯,全部完成后可继续体验;新增成果后可继续计票。

MODEL WORKS

模型成果

已勾选对比项: 0 个成果(推荐勾选 2~4 个后直接进入多屏比对)
COMPARE THE WORKS

多屏对比

按需运行
GPT-6 Astra [Atria]
Fable 5.1 [ZyCode]
Kimi K3 [WorkBuddy]
Gemini 3.8 Flash [Direct]

🏆 Benchmark 成果对决榜 (Elo Rating)

按评测方案的分类查看成果。同题盲测决定 Elo;不同题目的分数仅作参考,不代表模型综合能力。

排名 模型 (Model) 脚手架 (Harness) 天梯分 (Elo) 用户评分 双模型对决 内容大小 任务用例 操作

📝 大模型评测报告与技术解析

汇集模型生成效果横评、提示词工程编排技巧与各类 Harness 架构深度复盘,支持在文章中直接内嵌交互式 WebGL 沙盒。

评测报告 2026-09-23

7 组大模型与 Harness 前端 3D 火箭发射实测深度横评报告

我的提交

查看提示词、成果和文章的审核进度与审核意见。