能力说明
只由公开分数推导,判定规则随文展示Qwen 3.8 Max 综合分 1481 ±5,在 15 个有公开分数的模型中排第 11;样本 28,304 票(有效偏好对战),误差带「窄」。分维度里 中文 最靠前(1518 ±4,同子集第 1/15 名),Agent 相对靠后(1458 ±8,第 12/15 名)。各维度取自不同任务子集,只在同子集内比较,不与综合分混算。
| 维度 | 分数 / 误差 | 同子集名次 | 与中位数差 | 样本 | 判定 |
|---|---|---|---|---|---|
| 综合 | 1481 ±5 误差窄 | 11 / 15 | -20 中位数 1501 | 28,304 | 中游 |
| 推理 | 1474 ±6 误差中 | 12 / 15 | -24 中位数 1498 | 23,880 | 靠后 |
| 编程 | 1483 ±5 误差窄 | 10 / 15 | -7 中位数 1490 | 19,442 | 中游 |
| 中文 | 1518 ±4 误差窄 | 1 / 15 | +29 中位数 1489 | 16,108 | 靠前 |
| Agent | 1458 ±8 误差中 | 12 / 15 | -13 中位数 1471 | 9,744 | 靠后 |
判定规则 名次百分位 ≤ 25% 记「靠前」,≥ 75% 记「靠后」,其余记「中游」;比较全部发生在同一任务子集内,不与综合分混算。 误差 ≤ 5 记「窄」、≤ 8 记「中」、更宽记「宽」;票数为有效偏好对战票,不是评测次数。
分维度分数与趋势
误差与样本量始终可查当前分数1481±5
7 日变化+16按维度记录,缺失不补 0
样本 / 票数28,304偏好票数,不是评测次数
口径综合Arena 文本总榜口径,跨任务混合偏好
分数溯源
页面每个数字对应的字段与推导| 项目 | 数值 | 来源 / 推导 |
|---|---|---|
| 综合分 | 1481 | score 字段(Arena Text · Overall);评测日期 2026-11-02。平台只做快照与展示,不修改上游数值。 |
| 误差 | ±5 | error 字段;95% 置信区间,误差带「窄」。分差小于双方误差之和即视为同一档。 |
| 样本 | 28,304 票 | votes 字段;匿名双盲对战中的有效用户偏好票,不是自动化评测次数。 |
| 名次 | 第 11 / 15 | 本页按综合分对全体有公开数据的模型降序现场计算;筛选不重排名次。 |
| 7 日变化 | +16 | dimensions.overall.delta7d 字段;该维度快照分与 7 天前快照分之差,缺失不补 0。 |
| 30 天走势 | 8 个采样点 | dimensions.overall.history 字段;逐日快照序列,缺失显示「暂无历史」。 |
| 快照导出 | — | meta.generated_at;数据快照每日 00:20(CST)导出;超过 48 小时按过期处理。 |
| 数据版本 | baseline(打包基线) | meta.source;远端数据不可用时回落打包基线,页面照常可读但以本行为准。 |
| 原始数据 | /data/leaderboard.json | 公开 JSON 快照,可按字段逐项核对本页数字;结构见 llms.txt。 |
分数生成规则
读法详解 →- 数据来源
- 逐模型由 source 字段标注上游榜单(当前快照全部为 Arena Text · Overall)。平台只做快照、校验与展示,不修改上游数值,也不做二次加权。
- 统计对象
- votes 是匿名双盲对战中的有效用户偏好票:用户在两个匿名回答中投票选更优。它不是自动化评测次数,也不是 API 调用量。
- 积分刻度
- 分数是对战积分(Elo 类量表,当前全榜约 1420–1530):由对战胜率经 Bradley-Terry 偏好估计换算得到;上游统计细节以 Arena 官方说明为准。
- 误差带
- ± 后是 95% 置信区间。两模型分差小于各自误差之和时,正确结论是「同一档」,而不是「A 强于 B」。
- 分维度口径
- 综合分是文本总榜(跨任务混合偏好);推理 / 编程 / 中文 / Agent 各自取自对应任务子集,样本量小于总榜。子集分数不与综合分混算,也不跨子集比绝对值。
- 名次
- 名次按所选维度的分数对全体有公开数据的模型降序计算;筛选不重排名次;缺该维度数据的模型不参与该维度名次。
- 变化与走势
- 7 日变化 = 该维度快照分 − 7 天前快照分(delta7d);30 天走势来自逐日快照序列(history)。无历史数据显示「暂无历史」,不补 0。
- 更新与过期
- 数据快照每日 00:20(CST)导出,generated_at 标注导出时间;超过 48 小时的快照按过期处理并在页面提示。
- 可核对
- 本页「分数溯源」给出每个数字的来源字段,原始快照 /data/leaderboard.json 可逐字段核对;读法详解见《榜单分数怎么读》。
价格与上下文
数值 + 币种 + 单位 + 生效日期- 输入
- $0.40 / 百万 tokens
- 输出
- $1.60 / 百万 tokens
- 币种
- USD 不含税费与缓存折扣
- 生效日期
- 2026-09-20 来源:阿里云百炼定价
- 上下文
- 1M 数值 1,000,000 tokens