哪个AI模型排行榜最可信？

[Meng1234 (༒༈蒙蒙༈༒)]

如图所示，在网上找到了三个AI大模型排行榜单，来自不同的网站，各模型的排行也不太一样，到底哪个榜最准确呢？
我发现第一个榜的数据经常被自媒体作者引用到视频当中，也许是第一个比较靠谱吧？
来源：
图一：https://lmarena.ai/?leaderboard
图二：https://llm-stats.com/
图三：LLM Leaderboard - Compare GPT-4o, Llama 3, Mistral, Gemini & other models | Artificial Analysis

[910417099 (wublub)]

我感觉自己的感受才是第一位

[slashkkk (空气动力学)]

综合排名的话，还不如看 open router。哈哈哈。
论单项能力的话， 我觉得 livebench还行。但是对新模型的排名要慎重。

[hanlinwenyuan (翰林文苑)]

第三个好点

[yzlltyyh (绝体绝命)]

感觉这个好点

LiveBench

[houlangs (Jacopo)]

推荐按自己的需求看特定类型的榜单，比如编码或写作

[StellaFortuna (Star星缘║林可欣)]

自己的排行榜最可信

[houlangs (Jacopo)]

正确的。

[outgoing (og)]

@Meng1234

图一：https://lmarena.ai/?leaderboard

这个最不可信，全靠投票

[hanlinwenyuan (翰林文苑)]

这个榜单是真的娱乐

[Neuroplexus]

openrouter 的最可信()

[LostMyHead]

or那个不是token总消耗的最多哪个就是第一名吗

[hanlinwenyuan (翰林文苑)]

claude因为代码绝对是榜首

[Neuroplexus]

对啊, 用户真金白银投的票()

[fudujiii (一个合格的复读机)]

这个在哪看啊

[JamRin (表面是风驰电掣的职场新星，实则在手偶吐槽与爆肝日常中寻找甜味的追光者宫森葵)]

自己体验好才是最重要的(◍•ᴗ•◍)

[outgoing (og)]

4o-mini明显不正常

[hiagfh (士多啤梨味香蕉雪)]

我自己的竞技场最可信

[neteroster]

简而言之：没有。原因：每个人的需要并不相同。

最好的方法：自己设计满足自己需要的 benchmark

[neteroster]

需要提醒的是，openrouter 的用量是非常非常少的，参考性并不充足，因为偏差太大。

---

参考数据：
OR - 整个平台 7T Token/月
豆包系列模型（官方） - 12.7T Token/天
Openai / Claude 官方 API，和 C端，就更不用说有多大的量了