并排模型对比
用户可以与模型对话，将回复并排比较，然后投票选出他们认为更好的答案。这把日常提示词变成了一个公开评测流程。
什么是 Arena？
Arena 是一个公开的 AI 模型对比与排名平台。它允许人们与前沿模型聊天、比较回复、投票选出更好的答案，并帮助塑造大型语言模型、图像模型、代码模型以及其他按任务划分的 arena 的社区排行榜。
该网站将自己定位为一个用于在真实世界评测场景中对模型进行基准测试的官方排行榜。专门的排行榜页面涵盖文本、视觉、文档理解、图像生成与编辑、网页开发、搜索、文生视频、图生视频、视频编辑以及智能体任务。
Arena 能做什么？
多模态排行榜
Arena 维护多个 arena 的排行榜视图，包括文本、视觉、文档、图像生成、图像编辑、网页开发、搜索和视频任务。每个视图都会显示排名模型和分数差距。
智能体表现排名
Agent Arena 页面会使用工具可靠性、任务完成度和可控性等信号，对模型在真实世界智能体任务中的表现进行排名。这使它不仅适合评估对话质量，也适合评估编排能力。
聊天历史搜索
网站包含一个可搜索的聊天历史区域，用于查看过往对话，并提供 Agent、Battles、Search、Code、Image、Video 和 Archived 聊天标签页。这有助于回溯之前的评测和示例。
下钻式排行榜视图
排行榜页面提供高层概览和更深入视图的链接，因此用户可以先快速浏览，再在需要时深入到某个特定 arena。
使用场景
“为聊天模型做基准测试”
比较多个前沿模型的回复，判断哪一个输出对特定提示词最有用。这是评估通用聊天质量的人群的核心工作流。
“按任务选择模型”
在为视觉、文档理解、搜索、网页开发或视频生成工作选择模型时，查看按任务划分的排名。专门的 arena 让同类比较更容易。
“评估智能体工作流”
使用 Agent Arena 排行榜查看模型在需要编排工具并完成多步工作的场景中的表现。该排名强调可靠性、完成度和可控性。
“回看已保存的聊天”
搜索过去的对话和对战记录，回看示例、比较之前的提示词，或跟踪不同类别中的历史评测。
常见问题
Arena 是用来做什么的？
Arena 允许你开始对话、比较模型回复，并投票选出你认为更好的答案。该网站还提供已保存聊天的搜索功能，以及针对智能体、文本、图像和其他模型类别的专用排行榜。
网站上有定价信息吗？
公开网站显示了排行榜页面和聊天界面，但 `/pricing` 下的定价页面目前返回 404。根据现有来源，那里未公布定价详情。
聊天内容是私密的吗？
渲染后的首页提示，输入会由第三方 AI 处理，且对话和某些个人信息可能会被披露给 AI 提供方，并且可能以其他方式公开披露。系统会提醒用户不要提交自己不希望公开的信息。
Arena 会对哪些模型或任务进行排名？
排行榜页面按任务类型组织，包括文本、网页开发、视觉、文档、文生图、图像编辑、图像转网页开发、搜索、文生视频、图生视频和视频编辑。智能体排行榜重点展示工具使用、任务完成度、可靠性和可控性表现。
快速信息
- 类别
- AI 模型排行榜
- 主要用途
- 比较、排名并投票 AI 模型输出
- 来源域名
- arena.ai
- 任务覆盖
- 文本、图像、视觉、文档、搜索、网页开发、视频和智能体
- 定价页面
- 未提供公开定价详情；`/pricing` 返回 404
- 隐私提示
- 用户输入可能会披露给 AI 提供方，并且可能是公开的
Arena 流量分析
流量数据仅供参考。
- 域名评分
- 82
Arena 替代品
Chorus
chorus.sh
Chorus 是一款 Mac 桌面应用，可在同一处与多个 AI 模型对话，也支持本地开源模型。它支持自带密钥访问、解析 URL 和 PDF、全文搜索及自定义提示词。
百度文心助手
chat.baidu.com
面向办公与学习的电脑端 AI 助手，提供一站式问题解决、文字与图像创作、AI 阅读及智能体应用。
BotPenguin
botpenguin.com
无代码 AI 聊天机器人、语音和智能代理构建工具，助力企业在 WhatsApp、网站及社交渠道自动化客服、获客、预约和营销。
Use AI
use.ai
Use AI 是一个集成多种语言模型对话与网络研究的 AI 工作空间，帮助用户在同一处比较模型并完成任务导向的 AI 工作流。
GizAI
giz.ai
GizAI 将聊天、图像、视频、音频、故事和游戏等 AI 创作流程整合到同一工作空间。用户可在文本与媒体任务间切换，让智能体在持续运行的计算机上完成工作并保存为文件，同时集中管理对话、智能体和成果。
nenspace
nenspace.com
以 nen 为核心的 AI 对话与个人整理空间，融合笔记、任务、习惯、日志、网页搜索及可选的研究与文件工具，助你在一处思考、写作与组织。