Toolifai logo
Toolifai 编辑整理

LMArena

AI模型聊天问答

大语言模型评估与比较的AI开源平台

访问官网
官网可达收录证明开发者认领
官网预览官网首页：LMArena 界面预览（2026.10.18 截图）1 / 1
适用对象
大模型研发人员，日常做模型迭代效果横向校验
主要功能
多模型同题对比、开源评估框架
已收录
2026.10.18（12 天）
阅读目录

编辑评测与站内热度

全站热度排名

待评估

分类内排名

待评估

累计站内点击

1

近 7 日点击

1

排名与点击为站内真实统计口径，反映 Toolifai 用户行为，非编辑评分。

LMArena是什么，怎么使用？

约 4 分钟

LMArena，大语言模型评估与比较的AI开源平台

LMArena是面向大语言模型从业者、研究者的开源评估与对比Web平台，核心解决当前大模型选型缺乏统一横向参照、自定义测试场景难落地的问题。用户可依托平台提供的标准化评估框架，直接调用多款主流大模型完成同维度测试，无需自行搭建复杂的对比运行环境，省去大量重复的环境配置与逻辑调试工作。所有评估流程完全基于开源规则运行，相关操作逻辑对使用者完全公开，没有黑箱式的评分判定机制。

它的能力边界集中在大语言模型的横向效果对比，不提供自定义模型训练、微调类服务。如果你需要快速验证多款大模型在特定问答场景下的输出差异，或是为团队选型业务适配的大模型做前期摸底测试，选择它能省去大量自行部署多套模型的冗余工作，快速拿到直观的对比结果。如果你的需求偏向单模型深度调优，它的适配性会相对有限。

主要功能

  • 多模型同题对比：可同时调用多款主流大模型提交同一测试问题，直观获取不同模型的输出差异，省去手动切换平台的重复操作
  • 开源评估框架：所有评估规则完全公开透明，用户可自行核对评分逻辑，无需担心黑箱判定影响对比结果的客观性
  • 自定义测试集上传：支持上传自行整理的专属测试用例，针对特定业务场景定向验证不同大模型的实际表现
  • 结果可视化呈现：自动整理多模型的输出内容与对应评分维度，生成结构化的对比结果，方便后续整理归档

怎么使用

  1. 打开浏览器输入LMArena官网地址，进入平台Web主页面，完成基础账号注册与登录操作
  2. 在平台提供的模型列表中，勾选你需要参与对比的大语言模型，确认选中状态无误后进入测试环节
  3. 选择平台自带的标准化测试题集，或是上传本地提前整理好的自定义测试用例，提交启动评估任务
  4. 等待平台自动完成所有模型的调用与结果采集，在结果页查看多模型的横向对比数据与明细内容

适合什么人群

  • 大模型研发人员，日常做模型迭代效果横向校验
  • 企业AI选型负责人，调研适配业务的大模型产品
  • AI行业研究者，做不同大模型的能力维度对比实验
  • 开源项目爱好者，参与大模型评估规则的公开测试

用 LMArena 做多款大模型横向实测对比

打开浏览器输入LMArena官网地址进入平台，首页即可看到已收录的各类主流大模型列表。勾选你想要参与对比的模型，在输入框填入统一测试Prompt，提交后平台会自动把相同指令同步发送给所有选中模型。你能看到每款模型的实时返回结果，还能切换分栏并排视图，直接对照不同模型的回答细节、响应速度差异。

测试完成后，你可以手动给每款模型的回答打分标记优劣，平台会自动汇总所有打分数据生成对比报告，支持导出本地保存。你也可以参考平台其他用户提交的公开测试任务，查看不同场景下的模型实测表现，省去自己重复搭建测试环境的步骤。

用 LMArena 自定义场景模型能力校验

进入平台的自定义测试板块，先上传你提前整理好的专属场景测试数据集，数据集格式支持通用文本格式，具体适配要求以官网公示为准。设置好每轮测试的评判维度，比如逻辑推理准确度、内容合规性、输出格式匹配度等，选定待校验的目标模型后启动测试任务。

平台会按你设定的规则批量运行所有测试用例，自动统计每款模型在对应场景下的各项得分，生成可视化的能力分布图表。你可以把生成的校验结果分享给同领域的其他开发者，也能将自己的测试用例上传到平台公开库，供其他有同类测试需求的用户复用。

开始使用 LMArena

打开LMArena官方网页，点击页面右上角的账户入口，按提示完成账号注册或登录操作即可进入全部功能界面。平台定价相关内容未做单独标注，所有使用相关的费用说明以官网公示为准。

首次上手可以先从平台内置的公开测试任务入手，先熟悉模型选择、Prompt提交、结果查看的全流程，再尝试上传自己的专属测试数据集开展自定义校验。平台所有操作都在Web端完成，无需下载额外客户端，操作过程中遇到的功能指引细节以官网实时展示的内容为准。

优点与不足

优点

  • 全开源的评估规则，所有判定逻辑可公开溯源核对
  • 无需自行搭建多模型运行环境，大幅降低对比测试的准备成本
  • 支持自定义业务测试集，适配不同场景的模型选型需求

不足

  • 仅支持平台已接入的公开大模型，无法上传私有自研模型
  • 无移动端适配版本，所有操作仅能在Web端完成

能帮你做的 6 件事

  1. 01多模型同题对比
  2. 02开源评估框架
  3. 03自定义测试集上传
  4. 04结果可视化呈现
  5. 05聊天问答场景的常用方案
  6. 06大模型研发人员，日常做模型迭代效果横向校验的日常效率工具

更新历史

  • LMArena 收录进 Toolifai 目录
  • 页面资料核验与信息更新

常见问题

没有大模型部署经验能上手使用吗

可以。平台已提前完成主流大模型的接入配置，用户无需自行部署任何模型，只需按照页面提示勾选模型、上传测试用例即可启动评估，几乎没有额外的技术门槛。

有帮助吗

使用平台的评估服务需要付费吗

费用规则以官网公示为准。平台作为开源项目，基础的标准化评估功能大多可免费使用，部分涉及大额度自定义测试集调用的服务，可能会产生对应成本费用。

有帮助吗

上传自定义测试数据会泄露隐私吗

平台的隐私政策以官网公示为准，上传的自定义测试数据仅会用于当前评估任务的运行，不会被挪作其他商用用途，涉及敏感信息的内容建议提前做脱敏处理后再上传。

有帮助吗

能用来对比自研私有大模型的效果吗

仅支持对比平台已接入的公开大模型，暂不支持用户上传未对外公开的私有自研模型接入评估，相关功能的开放情况以平台后续更新公告为准。

有帮助吗

开始使用 LMArena

从官方入口了解最新功能与使用方式。

前往官网

由 Toolifai 编辑维护

欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。

参考来源官方产品介绍最近核验 2026.10.18
提交资料更新邮件反馈

大家对 LMArena 的点评

加载中…

写点评

每周三，一封 AI 工具周刊

编辑精选本周值得试的新工具与真实用法，5 分钟读完，已连续更新 5 期。

每周一封，随时可退订。往期内容见AI 工具周刊归档。

同类替代工具

DeepSeek

DeepSeek是国内专注于大模型技术研发的公司推出的智能对话产品，核心搭载DeepSeek-R1推理模型与DeepSeek-V3通用模型，支持深度逻辑推理、多场景代码生成、复杂数学问题解答等能力，模型开源开放可本地部署。产品面向技术开发人员、科研工作者、学生群体、职场办公人员等用户，可满足代码调试、学术研究、习题解答、方案推导等多场景使用需求，为用户提供高效的智能辅助服务。

#DeepSeek#开源AI#大模型
对比

DeepSeek Online

DeepSeek Online是一个提供在线访问DeepSeek V3开源大语言模型的平台，用户无需本地部署模型、无需配置运行环境，直接通过浏览器即可调用大语言模型的完整能力。平台支持多场景文本生成、逻辑推理、代码编写、知识问答等多种需求，核心功能包括文本对话交互、代码生成调试、多模态内容处理、推理解题、文档总结整理等，面向学生、开发者、内容创作者、科研人员、职场办公人员等不同群体，适用于日常知识查询、工作内容整理、项目代码开发、学习辅导、创意内容产出等多种使用场景。

#大语言模型#在线AI#DeepSeek V3
对比

Apple 智能

Apple智能官方介绍页是苹果公司面向公众发布新一代智能系统相关信息的官方资讯页面，核心定位为公开Apple智能的功能特性、适配设备、上线安排等专业内容。核心功能包括呈现Apple智能结合个人使用数据生成个性化内容的机制，展示跨应用协同操作的具体落地场景，说明隐私保护的技术实现路径。目标用户覆盖苹果设备用户、数码行业从业者、科技爱好者，使用场景包括用户提前了解系统升级后的新功能、从业者分析智能系统行业发展趋势、爱好者查看苹果生态的技术迭代方向。

#苹果智能系统#iOS18功能#iPadOS18
对比

DeepSeek-R1-Lite-Preview

DeepSeek-R1-Lite-Preview是深度求索（DeepSeek）推出的聚焦推理能力的AI模型预览版本，核心定位是为用户提供具备长链条逻辑推导能力的智能交互服务。核心功能包括数学问题推理求解、多领域逻辑任务处理、透明化思考过程展示，可将每一步推导逻辑同步呈现给用户。目标用户覆盖科研人员、教育工作者、开发者、学生、企业技术人员等群体，适用于数学题解验证、技术问题推导、逻辑类任务原型开发、推理类AI应用功能测试等场景，帮助用户完成需要复杂逻辑思考的相关任务。

#AI推理模型#数学解题工具#大模型预览
对比

更多同类选择见AI模型分类页，按分类整理全部替代方案与两两对比。

热门对比

LMArena vs DeepSeekLMArena vs DeepSeek OnlineLMArena vs Apple 智能LMArena 的替代品

大家还在搜

聊天问答工具

推荐产品

推广
MidjourneyMidjourney是知名AI图像生成平台，核心定位为通过自然语言输入生成高质量视觉作品的创作辅助工具。其核心功能包含文本生成图像、局部画面重绘、多轮迭代优化，可满足不同创作阶段的调整需求。该平台主要面向创意领域从业者及爱好者，可广泛应用于概念设计、插画创作、游戏原画产出、广告创意视觉落地、当代视觉艺术探索等多个场景，帮助创作者降低视觉落地的执行门槛，拓展创意表达的边界。ClaudeClaude 是 Anthropic 开发的 AI 助手，以安全性和对话质量著称。支持超长上下文窗口（200K tokens）、多模态理解（图像/文档）、代码编写、数据分析、创意写作等功能。Claude 在推理准确性、指令遵循和减少幻觉方面表现优秀，适合专业写作、编程辅助和复杂分析任务。Qwen-Image AIQwen-Image AI是阿里巴巴推出的AI图像生成平台，核心定位为面向中文用户的高精度AI图像创作工具，依托通义千问技术体系，支持中文文本生成图像、精准中文文本渲染、图像编辑拓展等功能。平台主打高真实感图像生成与准确的中文文字生成能力，可满足不同创作场景的图像需求。目标用户覆盖平面设计师、内容创作者、电商运营人员、学生、手工创作者、商业品牌策划人员等，适用于商业宣传图制作、社交内容配图创作、设计概念图生成、带中文文字的文创产品设计等多种使用场景。Qwen ChatQwen Chat是阿里通义推出的聚合多系列Qwen大模型的AI交互平台，核心定位为一站式AI生产力工具。核心功能包含多模型同步对话对比、多格式文档问答解析、可交互人工制品生成三大模块，同时支持图像内容理解、HTML内容预览等扩展能力。目标用户覆盖学生、教育工作者、开发者、内容创作者、职场办公人员、研究人员等多个群体，可满足知识点答疑、文档内容提取、代码开发辅助、内容创作生成、办公资料处理等多种使用场景，为不同需求的用户提供多元的AI交互服务。Youdao TranslateYoudao Translate是网易旗下的在线翻译服务平台，核心定位为面向多场景的跨语言交流辅助工具。平台支持100余种语言的互译，核心功能包含文本即时翻译、文档格式保留翻译、实时语音口译，能够满足日常交流、学习查阅、工作协作等不同场景下的翻译需求。目标用户覆盖学生、职场人士、跨境从业者、内容创作者、科研人员等多个群体，用户无需下载客户端，通过浏览器访问即可快速完成各类翻译任务，降低跨语言沟通的信息获取门槛。Feishu Smart NotesFeishu Smart Notes是字节跳动旗下飞书套件内的智能文档与会议记录辅助工具，核心定位为面向团队协作的智能化办公内容处理工具。核心功能包含AI驱动的会议内容实时转写与要点提炼、文档内容智能生成与润色、多模态内容的结构化整理三类，支持团队成员实时协同编辑内容，适配跨部门项目同步、远程会议记录留存、日常办公文档撰写等多类办公场景，主要面向企业办公人员、项目管理者、内容创作者、高校科研团队等用户群体，帮助降低办公内容处理的人力成本，提升团队信息流转的效率。百度AIBaidu AI是百度推出的智能对话交互平台，核心定位为结合搜索能力与生成式技术的AI助手。平台支持多轮对话交互，可实现信息检索整合、内容创作辅助、多模态内容生成等核心功能，面向学生、职场人士、内容创作者、科研人员等群体，可满足日常信息查询、工作报告撰写、学习资料整理、创意灵感产出等多场景使用需求，无需复杂配置即可通过网页端直接访问使用。QQ音乐TME Studio是腾讯音乐旗下的AI音乐生成工具平台，由银河音效、MUSE、天琴实验室、腾讯AI实验室联合研发，依托腾讯音乐的海量音乐版权数据与技术积累，为音乐创作相关用户提供一站式AI辅助创作服务。核心功能包含AI词曲生成、AI演唱调教、AI音效处理三大模块，既支持专业音乐人快速搭建作品雏形，也允许音乐爱好者无需复杂专业技能即可完成音乐作品创作，可应用于demo快速制作、短视频BGM生成、翻唱作品二次创作、个人原创音乐尝试等多种场景。MarvisMarvis是腾讯基于混元大模型打造的AI智能助手，核心定位是为用户提供多场景的智能化辅助服务。其核心功能包括自然语言对话问答，可快速解答各领域常识、专业问题；支持多类型内容创作，能生成文案、报告、创意方案等内容；可实现文档深度分析，支持上传PDF、Word等格式文档并提取关键信息、解答文档相关问题。目标用户覆盖办公人群、学生群体、内容创作者、开发者等，可用于日常办公效率提升、学习知识查询、内容产出辅助、代码开发调试等多种场景。DeepSeekDeepSeek是国内专注于大模型技术研发的公司推出的智能对话产品，核心搭载DeepSeek-R1推理模型与DeepSeek-V3通用模型，支持深度逻辑推理、多场景代码生成、复杂数学问题解答等能力，模型开源开放可本地部署。产品面向技术开发人员、科研工作者、学生群体、职场办公人员等用户，可满足代码调试、学术研究、习题解答、方案推导等多场景使用需求，为用户提供高效的智能辅助服务。