Arena Vision Style-Controlled

LMArena · 真人盲选带图片的回答，观察视觉理解的实际体验。

在 goodBOX 中参与排名

证据预算6%

上游数据时间10/19 08:00

最近成功同步10/20 20:05

它测什么，怎么测

只读取官方数据集 vision_style_control 的 overall；不含图像生成或图像编辑。

如何使用这份证据

视觉预算 6%；仍是人类偏好证据，不能等同严格图像准确率。

评测成绩

按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	Claude Fable 5 (High)Anthropic	1,308.7	High 推理
2	Qwen3.8-MaxAlibaba	1,300	来源默认配置
3	Claude Opus 4.6 (High)Anthropic	1,299.1	High 推理
5	Claude Opus 4.7 (High)Anthropic	1,297.7	High 推理
6	Gemini 3.7 Flash (High)Google	1,295.2	High 推理
7	Muse SparkMeta	1,294.1	来源默认配置
9	GPT-6.1 Sol (Max)openai	1,293.5	Max 推理
10	Claude Opus 5.5 (High)Anthropic	1,293	High 推理
11	Muse Spark 1.2 (xHigh)Meta	1,292.7	xHigh 推理
12	Gemini 3.8 Flash (High)Google	1,291	High 推理
13	Muse Spark 1.3 (Max)Meta	1,289.6	Max 推理
14	Gemini 3 ProGoogle	1,289.3	来源默认配置
15	Claude Opus 5 (High)Anthropic	1,287.9	High 推理
17	Claude Fable 5.1 (Max)Anthropic	1,287.6	Max 推理
18	GPT-5.6 Sol (xHigh)OpenAI	1,286.2	xHigh 推理
20	Claude Opus 4.8 (High)Anthropic	1,285.7	High 推理
21	GPT-6 Astra (Max)OpenAI	1,284.8	Max 推理
22	GPT-5.4 (High)OpenAI	1,284.1	High 推理
24	Gemini 3.5 Flash (High)Google	1,282.2	High 推理
25	GPT-5.5 (High)OpenAI	1,282.2	High 推理
26	Gemini 3.6 Flash (High)Google	1,282	High 推理
27	Muse Spark 1.1Meta	1,280	来源默认配置
28	Gemini 3.1 Pro PreviewGoogle	1,279.5	来源默认配置
29	Grok 4.5xAI	1,279	来源默认配置
32	GPT-5.2 Chat (20260210)openai	1,277.7	来源默认配置
33	GPT-5.5 InstantOpenAI	1,276.1	来源默认配置
34	Claude Sonnet 4.6Anthropic	1,275.1	来源默认配置
35	Gemini 3 FlashGoogle	1,272.5	来源默认配置
36	GLM-5.3-FlashZ.ai	1,271.2	来源默认配置
37	GPT-5.6 Terra (xHigh)OpenAI	1,268	xHigh 推理

评测局限与数据署名

人类偏好受风格、用户结构和提示分布影响。整体与创作分类存在重叠投票，共享原有真人偏好预算，不视为两家独立评测机构。

数据许可：CC BY 4.0

成绩由 LMArena 发布，原始分数与 goodBOX 共识分使用不同尺度，不能直接相加。