主流LLM 大模型排行榜介绍

还在被各种“最强大模型”刷屏到眼花缭乱吗？ DeepSeek、GPT-5、Claude 4.5、Grok 4、Gemini 2.5、Qwen3……每个月都有新王者登基，但不同榜单却经常“打得头破血流”： 同一个模型，在LMArena可能是神，在OpenRouter却垫底；在LiveBench能碾压一切，到了实际生产环境却被一个Flash版“弟弟”吊打。

为什么会出现这么大的差异？ 因为每个榜单都在回答不同的问题：

用户觉得哪个最好用？

开发者真金白银投给谁？

谁在面对全新问题时最聪明？

谁又快又便宜又稳定？

2025年，单看一个榜单已经不够了。 今天这篇干货，我把目前最主流、最具参考价值的排行榜全部拆解清楚（LMArena、LiveBench、OpenRouter、Artificial Analysis等），告诉你它们分别在测什么、该信谁、该怎么结合看，帮你一次性搞懂当下大模型的真实座次！

LMArena Leaderboard

大模型竞技场LMArena Leaderboard 是一个由伯克利大学团队发起的全球大型语言模型公开评测平台，采用类似国际象棋Elo系统的用户盲测机制实时排名。

官网：https://lmarena.ai/leaderboard/

最大的特色就是用真实人类的偏好取代人工设计的基准，让排行更动态、贴近用户真实感受，已成为业界公认的最权威“民意”LLM 排行榜之一。

用户随机看到两个匿名模型对同一提示的回答，进行盲测投票（选更好、更喜欢或平局），所有投票数据实时聚合，形成排行榜。

不止一个总榜，还细分众多 Arena：

文本对话（主榜）

编程（Coding、WebDev Arena）

多模态（Vision）

文生图（Text-to-Image）

图像编辑（Image Edit）

搜索（Search）

视频生成（Text-to-Video、Image-to-Video）

助手（Copilot）

例如在WebDev编程领域，Claude的模型还是评分最高的，另外也看到国内的GLM-4.6、Qwen3-Coder、Minimax-M2位列5、6、7名。

LiveBench Leaderboard

LiveBench Leaderboard是2024年6月推出的一个专为解决“基准污染”（benchmark contamination）问题而设计的自动化、客观、每月更新的LLM评测榜单。它被誉为“最干净、最难、最公平的学术基准之一”

官网：https://livebench.ai/

LiveBench 是目前最能反映模型“真实智能水平”而非“记忆力”或“训练数据污染”的榜单，尤其适合判断一个模型在面对真正新问题时的泛化能力。2025年它与 LMArena 并列成为两大最受关注的“硬实力”榜单。

特色：

所有问题每月从最新来源生成：最近发布的数学竞赛、arXiv论文、新闻事件、公开数据集等。

问题发布后至少1个月才公开答案，确保新模型不可能在训练中见过这些题。

所有答案都有可验证的ground truth（正确答案），完全自动化评分，不依赖人类主观判断。

避免了LMArena那种主观偏见，也避免了HF Leaderboard后期被训练数据污染的问题。

2025年已扩展到更多子领域，并推出了姊妹榜单（如LiveCodeBench、LiveSWEBench等）

LiveCodeBench

LiveCodeBench 是一个用于评估 AI 编程能力的基准

LiveSWEBench

LiveSWEBench 是一个用于评估 AI 代理应用软件工程能力的基准。

OpenRouter LLM Rankings

OpenRouter Leaderboard 是基于真实开发者/应用通过OpenRouter API的实际使用量（主要是tokens消耗量或requests数量）来排名。

官网：https://openrouter.ai/rankings

排名依据：真实市场使用量（Market Share）

核心指标是通过OpenRouter路由的tokens数量（输入+输出tokens）或completion requests数量。

高度体现“性价比”而非纯能力

便宜、快、好用的模型容易霸榜（例如最近的Minimax的M2就冲到第四名，ChatGPT系列就因为费用高而经常被挤下排名）。

Artificial Analysis Leaderboard

Artificial Analysis Leaderboard 2025年最全面、最实用的“工程师向” LLM 评测平台之一，由独立第三方团队 Artificial Analysis 维护。它不像 LMArena 那样靠人类投票，也不像 LiveBench 那样只测纯能力，而是把质量（Quality）、速度（Speed）、价格（Price）、延迟（Latency）、上下文长度 等所有开发者最关心的维度统一测评并可视化，帮助你“一站式”决定用哪个模型最划算。

官网：https://artificialanalysis.ai/

多维度统一标准化评测

Quality Index：综合多个学术基准（MMLU-Pro、GPQA Diamond、MATH、GSM8K、HumanEval、Arena Elo 等）的加权平均分，基本和 LMArena 顶级模型同步。

Speed：输出速度（tokens/s）和首 token 延迟（TTFT），在统一硬件/云环境实测。

Price：每百万 tokens 的实际 API 价格（输入+输出）。

其他：上下文窗口长度、工具调用能力、多模态支持等。

所有指标都标准化成可直接比较的分数或图表。

Hugging Face Open LLM Leaderboard

Hugging Face Open LLM Leaderboard是目前开源大语言模型（Open-source LLM）领域最经典、最权威的自动化基准测试排行榜。它专注于纯开源、可复现的模型评估

官网：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard#

由于数据污染等原因，现在使用较少。截至2025年11月，Space 仍可访问历史数据，但新模型提交已大幅减少，不再是实时最活跃的榜单。许多人已转向 LMArena、LiveBench等替代品。

特色如下：

严格专注开源模型

不依赖人类投票，而是用固定数据集计算准确率。

强大过滤与展示功能

OpenCompass

目前国内相关的大模型竞技场已经几乎绝迹了，还剩一个上海人工智能实验室的司南测评。找国内模型大家可以参考一下。

官网：https://rank.opencompass.org.cn/home

传统静态基准测试

在 LMArena、LiveBench 这类新榜单出现之前，学术界和工业界主要依赖静态基准测试(Benchmark)，靠固定数据集 + 自动化准确率的方式评估LLM。这种方式也被称为“经典基准测试”（Classic Benchmarks）。下面是几大类最有代表性的传统方法：

传统学术评估 = “给模型做标准化高考卷子”，曾经（2020–2023）是绝对主流，推动了GPT-3到LLaMA的飞速进步；但2024年后 LiveBench（每月新题）、LMArena（人类偏好）、SWE-Bench（真实任务）等新一代方法出现，丰富了大模型评测的方法。也推动静态评估方法的更新（比如：2024年5月15日，TIGER-Lab团队推出了MMLU-Pro，堪称地狱版难度）。

总结

下面分维度对比了主流的几个排行榜给大家参考：

社区里大家通常会同时看这5个，形成最全面的判断：

LMArena → 用户真实偏好（民意）

LiveBench → 最干净的客观推理能力

Artificial Analysis → 速度+价格+质量一站式对比

OpenRouter → 开发者真金白银投票（市场份额）

SWE-Bench → Agent和工具调用真实能力

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等

😝有需要的小伙伴，可以 下方小卡片领取🆓↓↓↓