Text Generation Arena 文本生成模型排行榜
基于 Text Generation Arena 用户匿名投票的最新AI文本生成模型排行榜，涵盖各模型的 Elo 得分、95% 置信区间、投票量、机构与许可证。
榜首模型
Kimi K3 (max)
最高得分
1,488
模型数量
409
数据版本
2026年09月25日
数据来源: LM Arena
关于本排行榜
本排行榜展示了当前最强 AI 大模型在文本生成任务中的综合实力排名。数据来源于 LMArena（前身为 LMSYS Chatbot Arena），这是目前全球最大的 AI 模型众包评测平台。用户在平台上与两个匿名模型同时对话，并投票选出更好的回答——排名完全由真实用户的偏好决定，而非实验室基准测试。
评测方法概要
匿名盲测：用户同时与两个"隐藏身份"的模型对话，根据回答质量投票，排除品牌偏见。
Elo 评分：基于国际象棋领域的 Elo Rating 体系（Bradley-Terry 模型），通过对战结果计算每个模型的实力分数。分数越高，说明模型在真实对话中被用户选中的概率越大。
场景覆盖广泛：涵盖编程、创意写作、数学推理、知识问答、角色扮演等高频真实场景。
DataLearner 在原始数据基础上提供中文解读与深度分析，并将排行榜模型关联至 DataLearner 模型库，方便您一键查看模型详情、API 定价、评测得分等完整信息。
排名总表
| 排名 | 模型名称 | 得分 | 95% CI | 投票数 | 机构 | 许可证 |
|---|---|---|---|---|---|---|
| 16 |  Kimi K3 (max)Moonshot AI | 1,488 | +/-5 | 26,400 | Moonshot AI | Kimi K3 license |
| 29 |  deepseek-v4.1-flash-maxDeepSeek | 1,477 | +/-8 | 6,630 | DeepSeek | MIT |
| 53 | deepseek-v4-pro-high-20260813DeepSeek | 1,464 | +/-7 | 9,857 | DeepSeek | MIT |
| 55 | Kimi K2.6Moonshot AI | 1,461 | +/-4 | 39,971 | Moonshot AI | Modified MIT |
| 59 | DeepSeek-V4-ProDeepSeek-AI | 1,458 | +/-4 | 57,564 | DeepSeek-AI | MIT |
| 69 | deepseek-v4-pro-high-previewDeepSeek | 1,455 | +/-4 | 54,884 | DeepSeek | MIT |
| 74 | Kimi K2 ThinkingMoonshot AI | 1,450 | +/-3 | 74,638 | Moonshot AI | Modified MIT |
| 91 |  MiniMax M3MiniMaxAI | 1,440 | +/-4 | 56,646 | MiniMaxAI | MiniMax Community License |
| 93 | deepseek-v4-flash-high-previewDeepSeek | 1,439 | +/-4 | 51,747 | DeepSeek | MIT |
| 95 |  qwen3.8-27bAlibaba | 1,438 | +/-6 | 16,383 | Alibaba | Apache 2.0 |
| 99 | DeepSeek-V4-FlashDeepSeek-AI | 1,436 | +/-4 | 51,871 | DeepSeek-AI | MIT |
| 108 | Kimi K2.5 InstantMoonshot AI | 1,430 | +/-7 | 8,358 | Moonshot AI | Modified MIT |
| 110 | Kimi K2 Thinking (thinking-turbo)Moonshot AI | 1,430 | +/-3 | 63,241 | Moonshot AI | Modified MIT |
| 116 | DeepSeek V3.2-Exp (thinking)DeepSeek-AI | 1,425 | +/-7 | 8,942 | DeepSeek-AI | MIT |
| 117 | DeepSeek V3.2DeepSeek-AI | 1,425 | +/-3 | 48,010 | DeepSeek-AI | MIT |
| 120 | qwen3-max-2025-09-23Alibaba | 1,423 | +/-7 | 8,969 | Alibaba | Proprietary |
| 121 | DeepSeek V3.2-Exp (thinking)DeepSeek-AI | 1,423 | +/-4 | 41,980 | DeepSeek-AI | MIT |
| 123 | DeepSeek V3.2-ExpDeepSeek-AI | 1,422 | +/-6 | 11,947 | DeepSeek-AI | MIT |
| 124 | DeepSeek-R1-0528DeepSeek-AI | 1,422 | +/-6 | 18,065 | DeepSeek-AI | MIT |
| 126 | Kimi K2 0905Moonshot AI | 1,419 | +/-7 | 11,537 | Moonshot AI | Modified MIT |
| 128 | Kimi K2Moonshot AI | 1,418 | +/-5 | 26,960 | Moonshot AI | Modified MIT |
| 129 | DeepSeek-V3.1 Terminus (thinking)DeepSeek-AI | 1,417 | +/-10 | 3,351 | DeepSeek-AI | MIT |
| 130 | DeepSeek-V3.1DeepSeek-AI | 1,417 | +/-6 | 14,543 | DeepSeek-AI | MIT |
| 132 | DeepSeek-V3.1 (thinking)DeepSeek-AI | 1,416 | +/-7 | 11,408 | DeepSeek-AI | MIT |
| 134 | MiniMax-M2.7MiniMaxAI | 1,415 | +/-3 | 77,968 | MiniMaxAI | Modified MIT |
| 135 | DeepSeek-V3.1 TerminusDeepSeek-AI | 1,415 | +/-10 | 3,600 | DeepSeek-AI | MIT |
| 145 |  hunyuan-hy3-previewTencent | 1,409 | +/-7 | 6,878 | Tencent | tencent-hunyuan-community |
| 151 | qwen3-235b-a22b-no-thinkingAlibaba | 1,403 | +/-5 | 37,284 | Alibaba | Apache 2.0 |
| 156 | qwen3-235b-a22b-thinking-2507Alibaba | 1,400 | +/-7 | 8,776 | Alibaba | Apache 2.0 |
| 158 | DeepSeek-R1DeepSeek-AI | 1,398 | +/-5 | 18,524 | DeepSeek-AI | MIT |
| 159 |  Step 3.5 FlashStepFunAI | 1,396 | +/-4 | 61,728 | StepFunAI | Proprietary |
| 160 | DeepSeek-V3-0324DeepSeek-AI | 1,396 | +/-4 | 44,754 | DeepSeek-AI | MIT |
| 162 | hunyuan-vision-1.5-thinkingTencent | 1,395 | +/-12 | 2,160 | Tencent | Proprietary |
| 165 | Step 3.5 FlashStepFunAI | 1,393 | +/-4 | 60,243 | StepFunAI | Apache 2.0 |
| 168 | MiniMax M2.5MiniMaxAI | 1,391 | +/-4 | 42,743 | MiniMaxAI | Modified MIT |
| 178 | M2.1MiniMaxAI | 1,385 | +/-5 | 17,192 | MiniMaxAI | MIT |
| 180 | hunyuan-turbos-20250416Tencent | 1,383 | +/-7 | 10,579 | Tencent | Proprietary |
| 196 | minimax-m1MiniMax | 1,364 | +/-4 | 34,045 | MiniMax | Apache 2.0 |
| 201 | DeepSeek-V3DeepSeek-AI | 1,358 | +/-5 | 21,770 | DeepSeek-AI | DeepSeek |
| 210 | Step3StepFunAI | 1,349 | +/-8 | 6,267 | StepFunAI | Apache 2.0 |
| 211 | hunyuan-turbos-20250226Tencent | 1,349 | +/-12 | 2,220 | Tencent | Proprietary |
| 219 | qwen-plus-0125Alibaba | 1,346 | +/-8 | 5,819 | Alibaba | Proprietary |
| 221 | MiniMax M2MiniMaxAI | 1,343 | +/-8 | 6,817 | MiniMaxAI | Apache 2.0 |
| 225 | glm-4-plus-0111Zhipu | 1,343 | +/-8 | 5,760 | Zhipu | Proprietary |
| 228 | hunyuan-turbo-0110Tencent | 1,341 | +/-12 | 2,290 | Tencent | Proprietary |
| 237 | step-2-16k-exp-202412StepFun | 1,334 | +/-9 | 4,833 | StepFun | Proprietary |
| 244 | hunyuan-large-2025-02-10Tencent | 1,326 | +/-10 | 3,738 | Tencent | Proprietary |
| 248 | deepseek-v2.5-1210DeepSeek | 1,323 | +/-8 | 6,795 | DeepSeek | DeepSeek |
| 254 | step-1o-turbo-202506StepFun | 1,320 | +/-7 | 8,844 | StepFun | Proprietary |
| 255 | glm-4-plusZhipu AI | 1,319 | +/-5 | 26,126 | Zhipu AI | Proprietary |
| 256 | qwen-max-0919Alibaba | 1,318 | +/-6 | 16,478 | Alibaba | Qwen |
| 261 | qwen2.5-plus-1127Alibaba | 1,315 | +/-6 | 10,187 | Alibaba | Proprietary |
| 267 | hunyuan-standard-2025-02-10Tencent | 1,311 | +/-10 | 3,904 | Tencent | Proprietary |
| 270 | DeepSeek V2.5DeepSeek-AI | 1,307 | +/-5 | 24,572 | DeepSeek-AI | DeepSeek |
| 281 | hunyuan-large-visionTencent | 1,294 | +/-9 | 5,253 | Tencent | Proprietary |
| 307 | deepseek-coder-v2DeepSeek | 1,265 | +/-6 | 15,147 | DeepSeek | DeepSeek License |
| 324 | hunyuan-standard-256kTencent | 1,233 | +/-12 | 2,728 | Tencent | Proprietary |
| 339 | qwen1.5-32b-chatAlibaba | 1,204 | +/-6 | 21,741 | Alibaba | Qianwen LICENSE |
| 346 | DeepSeek LLM 67B ChatDeepSeek-AI | 1,185 | +/-11 | 4,932 | DeepSeek-AI | DeepSeek License |
数据仅供参考，以官方来源为准。模型名称旁的链接可跳转到 DataLearner 模型详情页。
常见问题 (FAQ)
什么是 Text Generation Arena (LMArena)？
Text Generation Arena（原 LMSYS Chatbot Arena）是目前最具影响力的大模型匿名评测平台。用户向两个身份未知的模型提问，根据回答质量投票，系统通过 Elo 算法将数百万次投票汇聚为动态排行榜，被学术界和工业界广泛引用。
Arena Elo 分数是如何计算的？
Elo 算法源自国际象棋评分体系。每次对战后，胜者得分上升、败者下降，幅度取决于双方原始评分差距。95% 置信区间（CI）反映该模型参与对战次数的多少：CI 越窄说明数据越充分、排名越可信。
为什么同一模型会出现"Thinking"和普通两个版本？
部分模型支持"扩展思考"（Extended Thinking）模式，会在给出最终答案前进行更深入的内部推理。该模式通常在逻辑推理、数学和编程任务上得分更高，但响应时延也更长、成本更高。Arena 将两种模式分开评测，以便用户根据实际需求选择。
如何根据排行榜选择适合自己的大语言模型？
建议综合考虑：综合性能（看 Elo 总分）、成本（闭源 API 按量计费，开源可自部署）、中文支持、开源程度以及响应速度。