API 同步 高可信
LMArena Text Style Control
开闭源混合大模型主榜；Style Control 用于降低回答格式和语气带来的人类偏好偏差。
- 指标
- 风格控制后的 Arena rating，越高越好
- 频率
- 每 30 分钟从官方 latest split 同步。
实时模型排行雷达
模型排行
覆盖综合大语言模型、图片、视频、Coding、音频、OCR/文档和视觉模型的实用榜单页。优先使用公开 API 与 raw CSV，需要 Key 的来源只作交叉参考。
排行来源
| 排名 | 模型 | 机构 | 分数 | 开放状态 | 证据 |
|---|---|---|---|---|---|
| 1 |  claude-fable-5 Arena rating ↑ | anthropic | 1,334 | Proprietary | 7,946 票 来源 |
| 2 | claude-opus-5-high Arena rating ↑ | anthropic | 1,325 | Proprietary | 2,858 票 来源 |
| 3 | qwen3.8-max Arena rating ↑ | alibaba | 1,318 | Proprietary | 5,038 票 来源 |
| 4 | claude-opus-4-7-thinking Arena rating ↑ | anthropic | 1,317 | Proprietary | 19,973 票 来源 |
| 5 | claude-opus-4-6-thinking Arena rating ↑ | anthropic | 1,315 | Proprietary | 19,846 票 来源 |
| 6 | claude-opus-4-7 Arena rating ↑ | anthropic | 1,315 | Proprietary | 20,368 票 来源 |
| 7 | claude-opus-4-6 Arena rating ↑ | anthropic | 1,312 | Proprietary | 24,111 票 来源 |
| 8 |  gemini-3.5-flash-medium Arena rating ↑ | 1,307 | Proprietary | 5,086 票 来源 | |
| 9 | gemini-3.6-flash Arena rating ↑ | 1,307 | Proprietary | 707 票 来源 | |
| 10 |  muse-spark Arena rating ↑ | meta | 1,307 | Proprietary | 5,583 票 来源 |
数据源矩阵
每个来源都标注同步方式和可信度，方便 Codex 后续决定哪些自动抓取、哪些只做参考。
人工 高可信
Artificial Analysis Intelligence Index
适合交叉核对综合智能、价格与速度；官方 API 需要 Key，且必须只放在服务端。
- 指标
- Intelligence Index，越高越好
- 频率
- 配置服务端 Artificial Analysis API Key 后可自动同步。
API 同步 高可信
LMArena Text-to-Image
适合作为开闭源混合图片生成排行的主同步源。
- 指标
- Arena rating，越高越好
- 频率
- 每 30 分钟同步；上游 latest split 随 LMArena 发布节奏更新。
API 同步 高可信
LMArena Image Edit
补充图片编辑模型，例如 GPT Image、Gemini 图像、Seedream 等。
- 指标
- Arena rating，越高越好
- 频率
- 每 30 分钟同步。
API 同步 高可信
LMArena Text-to-Video
文生视频主同步源，覆盖字节、快手、xAI、Google 等厂商。
- 指标
- Arena rating，越高越好
- 频率
- 每 30 分钟同步。
API 同步 高可信
LMArena Image-to-Video
图生视频工作流的补充同步源。
- 指标
- Arena rating，越高越好
- 频率
- 每 30 分钟同步。
API 同步 高可信
SWE-bench Verified
真实 GitHub issue 修复类 Agent Coding 的最佳结构化来源。
- 指标
- Resolved 百分比，越高越好
- 频率
- 每小时同步；来源为 Hugging Face benchmark leaderboard API。
API 同步 高可信
LMArena WebDev
补充 SWE-bench，覆盖网页开发偏好排行。
- 指标
- Arena rating，越高越好
- 频率
- 每 30 分钟同步。
API 同步 高可信
Open ASR Leaderboard
语音识别强来源；音频生成榜单仍需要二级人工/解析来源补充。
- 指标
- 平均 WER，越低越好
- 频率
- 可按小时或每日同步；benchmark API 结构化且可复现。
CSV 同步 中可信
OCRBench v2 English
适合 OCR 和文字密集视觉理解；建议同步到 D1 后做中等可信展示。
- 指标
- Average Score，越高越好
- 频率
- 每日从 raw CSV 同步；上游发布节奏不如 HF benchmark API 规范。
CSV 同步 中可信
OCRBench v2 Chinese
中文 OCR 与文档理解补充榜单。
- 指标
- Average Score，越高越好
- 频率
- 每日从 raw CSV 同步。
API 同步 高可信
LMArena Document
文档类多模态任务的可同步来源。
- 指标
- Arena rating，越高越好
- 频率
- 每 30 分钟同步。
API 同步 高可信
LMArena Vision
通用视觉推理和多模态模型对比。
- 指标
- Arena rating，越高越好
- 频率
- 每 30 分钟同步。
HTML 观察 观察源
Artificial Analysis Video
公开质量较高，但 HTML 解析比 benchmark API 更脆弱。
- 指标
- Video Arena ELO，越高越好
- 频率
- 没有稳定公开 API 前，只作交叉参考。
HTML 观察 观察源
Aider Polyglot
覆盖 C++、Go、Java、JavaScript、Python、Rust 的代码编辑榜单，但暂未发现稳定 JSON。
- 指标
- Pass rate，越高越好
- 频率
- 人工或 HTML 解析备用；适合作为代码编辑能力交叉参考。