Chatbot Arena
Arena Intelligence Inc. · 其他 · 聊天機器人
Chatbot Arena（現名 Arena）讓兩個匿名 AI 模型回答同一個問題，由你投票決定公開排行榜的名次。免費使用，涵蓋文字、影像、影片與程式碼。
關於 Chatbot Arena
About
什麼是 Chatbot Arena
Chatbot Arena 是一個網站，你能同時跟兩個 AI 模型對話，卻不知道對方是誰。輸入問題後，兩邊各自作答，你挑出比較順眼的那一個。投票結束才會揭曉每個答案出自哪家公司。每一票都會累積成公開排名，用來比較各家模型的表現。
這個專案 2023 年由加州大學柏克萊分校的研究團隊做成研究工具，想做出一個能反映真實偏好的 LLM 排行榜。他們想要的訊號比固定考題更可靠：靜態題庫會外流、被背下來、也會過時，而真人提出的真實問題難以事先準備。後來這個構想長成一間公司 Arena Intelligence Inc.，目前以 arena.ai 營運，舊網址 lmarena.ai 則直接轉址。
有幾件事要先講清楚。分數反映的是一群多半匿名使用者的偏好，不是專家小組量測的結果，而這群人偏向喜歡嘗鮮 AI 工具的人。投票只要幾秒，單一票的份量很輕。Arena 的收入來自向模型實驗室與企業販售評測服務，批評者認為這裡存在利益衝突，公司則以公開方法與資料集回應。
開始使用
- 用瀏覽器打開 arena.ai，不用註冊就能直接送出問題；登入主要是為了保存對話紀錄與開啟排程評測。
- 挑選模式。Battle 隨機給你兩個匿名模型，名字全部遮住；Side by Side 讓你自己指定兩邊；Direct Chat 則是跟單一模型正常對話。
- 寫下你的問題，用工具圖示切換文字、影像、影片，或要求它做一個落地頁之類的成品。
- 讀完兩邊答案後投票。送出後立刻揭曉名字，而且只有匿名狀態下的票才計入排名。
- 之後回到排行榜，看你選中的模型在文字、視覺、搜尋、影像、影片或 WebDev 榜上排第幾。
產品資訊
快速了解 Chatbot Arena 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 正在考慮訂閱 AI 服務的人：先免費試一輪領先模型，看清楚誰比較懂你的問題，再決定要不要付費。認真投十分鐘，比讀規格表更有用。
- 比較輸出風格的寫作者與工程師：兩個答案擺在一起，語氣、長度、結構的差異一目了然，適合想聽第二種意見、而不是只跟一個聊天機器人對話的人。
- 關注產業動態的 AI 愛好者：排行榜與更新紀錄會顯示新版本何時往上衝、何時滑落，不必逐篇讀發布新聞也能掌握賽況。
- 要挑模型來開發產品的團隊：分類榜單先篩掉大半，公開資料也讓你能自己驗算排名，不必全信一篇行銷文。
任務
- 用同一段指令測試多個模型：同一個問題貼兩次，比較差異，再針對答偏的地方調整措辭。
- 驗證新版本是否真的如宣傳所說：新模型常以代號悄悄出現在 Battle，能讓你在宣傳定調之前先試到真東西。
- 快速掌握影像或影片模型的手感：影像、修圖與影片榜都用同一套投票邏輯，看的是哪個生成器合你的口味，而不是誰在像素測試中勝出。
- 為小型網頁比較程式碼輸出：WebDev 榜與建置任務會把生成的頁面並排，決定用哪套工具之前很值得看。
情境
- 家人爭論哪個助理比較聰明：兩邊各自輸入同一個問題，讓結果自己說話。
- 在兩個付費方案之間猶豫：先把日常任務丟進免費競技場跑一輪，再為真正幫上忙的模型付錢。
- 開發團隊的提案會議：打開分類榜單說明候選模型的位子，同時提醒群眾偏好不等於你們的工作負載。
主要功能
匿名對戰模式
Battle 是整個網站的核心。送出一段指令，回來兩份不標名字的答案，投票那一刻兩邊身分同時揭曉，想偏袒熟悉的品牌就更難。只有名字遮住時投下的票才算數，榜單因此維持盲測。
Bradley-Terry 排名
分數來自 Bradley-Terry 模型，這是為成對比較設計的統計方法，精神上接近西洋棋的積分制。模型靠對戰贏票累積地位，而非考題分數。網站另外做了風格控制，把偏好長篇、修飾較多的傾向扣掉，避免只靠篇幅取勝。
分類榜單
這裡沒有單一張總表。文字、WebDev、視覺、搜尋、文字轉圖像、圖像編輯、文字轉影片、圖像轉影片、影片編輯與 Agent 各有自己的榜。原因很實際：創意寫作掛頭牌的模型，寫程式可能落後，只看總排名會把這個落差藏起來。
上市前的代號模型
實驗室會把尚未發布的版本交出來盲測，通常先以代號現身。你能提早幾個月摸到前緣模型，實驗室也還來得及根據回饋調整。模型若通過公開釋出的規則，之後才會用正式名稱把分數放上榜。
Side by Side 與 Direct Chat
不是每件事都需要投票。Side by Side 讓你在已知要比較什麼時直接點名兩邊，Direct Chat 則是開一個模型單純使用。兩種模式都會收集指令供研究使用，但都不影響排名，盲測榜因此保持乾淨。
建置、影像與影片任務
網站不只處理文字。你可以要求模型做落地頁、儀表板、小遊戲或商店，生成圖片或短片，也可以修改它剛產出的東西。每一類成品都有專屬榜單，會寫字但不太會畫圖的模型，沒辦法靠一個總分混過去。
公開資料與研究方法
Arena 把大量投票資料放上 Hugging Face，也發表方法論文，從最初的 Chatbot Arena 研究到針對單一指令的排名。排名不必照單全收，資料、風格控制的做法與榜單政策都可以自己讀。
優缺點
優點
- 盲測投票排除了品牌偏好，小型實驗室的模型可以靠答案品質衝上前面。
- 免費就能用到前緣模型，包括以代號測試的上市前版本，別處很難找到。
- 文字、視覺、搜尋、影像、影片各自成榜，能直接查你真正在意的那項能力。
- 公開資料與方法論文讓研究者與採購方可以自行驗證，而不是相信一張行銷頁。
- 投一票只要幾秒，粗略比較幾分鐘內就能完成。
缺點
- 排名反映群眾偏好，不是嚴謹的正確性檢測，講得自信但答錯的回答也可能拿高分。
- 投票隨性、順手，學界也發表過刷榜與題目外流的批評，分數只能當訊號，不是判決。
- Arena 的收入來自模型實驗室，等於負責排名的公司同時向同一批客戶賣評測服務。
- 你輸入的指令會被收集，部分進入研究資料集，機密內容不該放在這裡。
常見問題
Chatbot Arena 是一個免費網站，兩個匿名 AI 模型回答同一個問題，由你的票決定誰答得比較好。這些票累積成公開排名，涵蓋文字、影像、影片、搜尋與程式碼。
相關內容
探索與 Chatbot Arena 相關的工具、技能與文章。
Chatbot Arena 替代方案
BinkBink
BinkBink · 其他BinkBink 是一個免費的線上遊戲平台與 AI 遊戲製作工具，讓任何人都能把一段簡短的文字描述變成可玩的瀏覽器遊戲。你可以直接跳進數百款社群自製的遊戲。或者描述自己的想法，幾秒內就能玩，再分享給朋友。想建立自己的遊戲嗎？你不需要寫程式。不用設定引擎、不用下載、不必費心。
Audiogen
Audiogen Inc. · 其他Audiogen 是一款由 Audiogen Inc. 打造的 AI 音樂生成器。這支小型研究團隊花了約 2.5 年訓練自家生成式音樂模型，並圍繞它設計網頁介面。這款 AI 音樂工具捨棄單純的文字框，把時間軸變成對新手友善的生成式音訊工作站（Generative Audio Workstation，簡稱 GAW），其中的補繪、延伸、混音與音軌編輯，操作起來更像在畫布上彩繪。產品仍在 beta 階段，因此取用管道是候補名單或邀請碼。付費方案尚未公布。
Aiml API
AIMLAPI OÜ · 其他Aiml API 是一套統一的 AI 模型 API，把 OpenAI、Google、Anthropic 等超過 1000 個模型放在同一個端點與同一張帳單之後。你只要依照單一相容 OpenAI 的結構撰寫程式碼，接著改一個模型字串，就能在聊天、圖像、影片與音訊模型之間切換。它適合想取得多模型存取、又不想管理十幾個供應商帳號的開發者與小型團隊，也省去了測試多家廠商時常見的帳務麻煩。一組金鑰就能涵蓋全部。