Arena AI 评测：免费盲测对比各大 AI 模型

AI 摘要

Arena AI 是一个通过让用户对两款匿名 AI 模型的输出进行盲测投票来构建公开排行榜的免费平台，其核心价值在于反映大量真实用户的偏好，而非衡量模型输出的绝对正确性。
    ● 平台提供文本、图像、智能体以及2026年1月新增的视频竞技场，所有用户均受每日使用额度限制；图像和视频竞技场必须登录账号才能使用，且视频竞技场仅支持随机对决模式，无法自行选择对比模型。
    ● 排行榜采用的 Bradley-Terry 评分系统可能因旧模型移除或少量虚假刷票而产生变动，且由于平台可能会将用户提示词共享给 AI 提供商用于模型评估，使用时必须避免输入密码、个人信息或机密文件。
    ● 如果需要针对具体项目直接指定并测试 AI 模型，万兴喵影提供了无需盲测的替代方案，它集成了 Seedance 2.5、Veo 3.1、Nano Banana Pro 和 GPT-Image 2 等模型，允许在同一工作区内直接生成并编辑图像与视频。

---

问问AI

豆包 千问 DeepSeek 腾讯元宝 Kimi 免费下载 免费下载 免费下载載

在每个月涌现的数十款AI模型中，你如何找出哪款才是真正最好的？Arena AI给出了一个简单的答案：让真实用户来决定。这是一个免费平台，任何人都可以对AI模型之间的匿名一对一对决进行投票，这些投票将形成Arena AI网站上任何人都可以查看的公开排行榜。

但这些投票究竟有多少可信度？或者这些对决在幕后是如何运作的？下面的Arena AI评测将尝试解答你对该平台可能存在的所有疑问。

第一部分：什么是Arena AI？

Arena AI 是一个众包公共网站，人们通过对AI模型的回答进行投票来比较它们。你输入一个提示词，两个匿名AI模型会生成答案。然后你在不知道是哪些模型生成答案的情况下选择你更偏好的回答。只有在你投票后，模型名称才会显示出来，以保证比较的公平性。

随着越来越多的人提交他们的偏好，这些投票被汇总形成一个公开的Arena AI排行榜，根据用户比较结果对模型进行排名。Arena表示其排行榜基于超过8200万次投票，来自每月超过1000万名访客。

该项目于2023年作为加州大学伯克利分校的研究项目启动，并于2025年4月注册成立为公司。它最初被称为Chatbot Arena，后来改名为LMArena，并于2026年1月更名为"Arena"。该网站运行地址为https://arena.ai/。有些人将其搜索为"AreanaAI"，但正确拼写是Arena AI。

在商业层面，其背后公司已累计融资2.5亿美元，并在年化营收达1亿美元，这距其商业服务上线仅八个月。

Arena AI是免费的吗？

是的。Arena AI排行榜对公众免费开放，无需账号即可查看。聊天和投票也是免费的，但Arena对所有用户设有每日使用限制。付费产品是面向企业的AI评估服务。

第二部分：Arena AI能做什么？

Arena AI针对文本、图像、视频和智能体任务分别设有独立的竞技场，每个竞技场都有各自的排行榜。

以下是对各项功能的简要介绍，以及排名的计算方式：

• 文本与对话对决：这是最初的模式。发送一个提示词，获得两个匿名答案，然后投票。已登录用户还可使用直接模式和并排模式，可以自行选择模型，而非进行盲测匹配。但这些投票不计入公开排名。
• 图像对决：图像竞技场以相同方式用于图像生成和图像编辑。你输入提示词，比较两个输出结果，并投票选出更好的一个。有独立的文生图和图像编辑排行榜。
• Arena AI视频生成器：Arena于2026年1月新增了视频比较功能。你可以比较文生视频和图生视频模型，并投票选出你偏好的结果。生成的视频片段通常约为5至8秒，视频竞技场目前仅支持对决模式。
• 智能体模式：Arena的智能体竞技场允许模型使用网络搜索、文件系统和终端等工具来完成包括编码和研究在内的多步骤任务。其排名系统不仅依赖简单的用户投票，还会考虑任务成功率、可引导性、错误恢复能力、用户称赞与投诉情况以及工具幻觉等因素。
• 浏览Arena AI排行榜：你可以浏览Arena的公开排行榜，跨不同类别比较AI模型。每个条目显示模型的排名、排名区间、带置信区间的得分、投票数以及每百万token的价格。类别包括综合、文本、智能体、网页开发、视觉、文档、搜索、文生图、图像编辑、文生视频、图生视频和视频编辑。

Arena AI如何计算排名

对于对决式竞技场，Arena AI工具采用Bradley-Terry评分系统，该系统与国际象棋中使用的Elo系统类似。每次投票被视为两个模型之间的一场对决结果，系统根据所有结果为每个模型估算一个得分。

在查看排行榜时，请牢记以下两点：

• 只有在模型名称隐藏期间投出的票才计入官方排名。
• 每个得分都有一个置信区间。当两个模型的区间重叠时，它们之间的差距可能只是噪声，而投票数较少的模型区间更宽。

Arena还应用了风格控制来调整格式和答案长度的影响，并将其排名代码以Arena-Rank的名称开源。

第三部分：如何在Arena AI排行榜上投票和比较模型

Arena可直接在你的网页浏览器中运行，目前没有专用的Arena AI移动端或桌面端应用。你无需下载Arena AI应用即可使用该平台。请按照以下步骤开始测试和投票。

如何使用Arena AI比较AI模型

第1步访问https://arena.ai/并在需要时登录。排行榜对所有人开放，但直接模式、并排模式、图像竞技场和视频竞技场需要登录。如需登录Arena AI，点击"登录"并使用Google账号继续，或输入邮箱地址。

第2步在Arena AI主页上，你可以开始比较AI模型并测试不同的提示词。选择你想要比较模型的方式：

对决：计入排名的盲测投票。
并排模式 or 直接模式：测试你自己选择的特定模型。这些投票不计入公开排名。
智能体：运行编码和研究等多步骤任务，模型可使用网络搜索、文件系统和终端等工具。
注意：视频竞技场仅支持对决模式，因此你无法在其中选择模型。

第3步选择你想比较的输出类型所对应的竞技场类型，例如文本、图像或视频。然后输入你的提示词。你也可以上传参考图像或文件。

第4步查看两个答案并投票。在查看模型名称之前先选出你更偏好的那个。

每次投票后，Arena会随机选择另一对模型，因此你的下一个提示词可能会与不同的组合配对。

第四部分：Arena AI可靠吗？优缺点分析

众包投票使Arena AI工具对于那些希望了解AI模型在日常提示词上真实表现（而不只是营销宣传）的用户来说很有价值。它使用来自大量用户的偏好数据，有助于筛选候选模型或作为对厂商声明的现实核验，因为排名基于真实用户投票。

但Arena AI的核心问题在于这些投票实际上衡量的是什么。它们显示的是人们更偏好哪个答案，而这未必总是正确的答案。以下几点值得注意：

• 排行榜幻觉。 研究人员认为，删除旧模型可能会影响Arena计算评分的方式，从而使某些排名的可靠性降低。他们还指出，AI提供商可以私下测试多个模型版本，这使得排行榜更难以解读。
• 刷票问题。《Fast Company》报道了一项研究，发现数百张虚假投票就能改变排名。
• 排名变动。随着新模型、新投票和新比较的加入，Arena AI排行榜可能会发生变化，因此排名应被视为一个快照，而非永久性的定论。
• 背景局限。一次简短的对决可能无法展示一个模型在较长对话或复杂多步骤任务中的表现。

Arena已通过公布的方法和开放数据作出回应。即便如此，使用排行榜的最佳方式是先筛选出候选名单，然后自行测试这些模型。

Arena AI的安全与隐私问题

在使用Arena时，隐私是另一个需要考虑的因素。由于该平台依赖用户提交的提示词和众包比较，你应注意自己所分享的信息。

Arena的隐私政策表示，它可能会将用户内容与AI技术提供商共享，用于评估、改进和开发其模型。同时也声明，它不一定能控制这些提供商如何使用这些数据。因此，请避免输入密码、个人信息、机密文件或其他敏感数据。

优缺点

第五部分：自行比较AI模型的更多方式——万兴喵影

决定哪种AI生成的图像或视频适合你的项目，最好的方式是什么？你可以在万兴喵影，它将AI生成工具与完整的视频编辑工作区相结合。

与Arena AI不同，你无需对匿名输出进行投票。万兴喵影支持AI视频 和图像生成器，你可以在其中选择模型、运行自己的提示词，并根据项目需求评判结果。生成图像或视频片段后，你可以直接在万兴喵影中使用修剪、转场、字幕、特效、音乐等工具对结果进行编辑。

目前，万兴喵影支持的AI模型包括：

万兴喵影支持的模型数量远不及Arena AI，但它确保只收录真正可靠且值得使用的模型，无需你在庞大的列表中逐一筛选。

免费试用 免费试用

下载应用

扫码获取万兴喵影 App

免费安装万兴喵影 App 免费安装万兴喵影 App

安全下载

结论

Arena AI为你提供了一种通过真实用户偏好比较AI模型的简便方式。排行榜对公众开放，涵盖文本、图像、视频和代理任务。其排名有助于找到值得测试的模型，但不应将其视为衡量质量或准确性的最终标准。

如需更直观的对比，你也可以直接在万兴喵影中测试AI模型，并根据自己的项目评判结果。万兴喵影支持Veo 3.1、Seedance 2.5、Nano Banana Pro和GPT-Image 2等顶级视频和图像模型，你可以在同一工作区内对结果进行编辑。