LMArena AI，前身是lmsys.org，是由加州大学伯克利分校SkyLab 和 LMSYS 研究团队开发的 AI 模型评估平台。它专注于通过众包 AI 基准测试来评估 AI，用户可以在此平台上免费与AI聊天并进行投票，比较和测试不同的 AI 聊天机器人的性能。
在最新的 LMArena AI 的各项基准测试中，Google Gemini 2.0 的两款模型获得了最好的成绩， DeepSeek R1 表现也相当不俗。ChatGPT-4o 近期也悄悄进行了升级，在很多方面都有所提升。
在最新 LMArena 的实时 AI 编码竞赛 WebDev Arena 中，Claude 3.5 Sonnet 仍处于第一，DeepSeek R1 暂居第二，o3-mini-high 名列第三。
Anthropic 发布 Claude Opus 4.7，编程能力跃升至 SWE-bench Pro 64.3 分，文档推理与视觉导航表现显著优于 GPT-5.4。模型刻意削弱了安全漏洞复现能力，并采用新 Tokenizer 导致消耗增加。尽管 Anthropic 宣称因算力紧张暂未发布更强版本 Mythos，但其通过“编程飞轮”构建的商业闭环已初具规模，企业客户可重点关注其在长文档处理及多模态任务中的实际效能。
Google I/O 2026 定档 5 月 19 日至 20 日，被视为谷歌史上赌注最大的一届。核心看点包括 Gemini 4 首秀、Veo 4 视频生成升级及轻量级 AI 眼镜发布。更关键的是 Aluminium OS 桌面系统亮相，旨在补齐移动与桌面闭环。在千亿美元投入下，谷歌试图通过搜索、OS、硬件与智能体的全面重构，应对来自 GPT-6 等竞品的激烈挑战。
OpenAI 近期收购个人理财初创公司 Hiro 和商业访谈媒体 TBPN ，看似小规模交易，实则暴露其两大困境：一是 ChatGPT 之外产品的变现难题，二是日趋紧张的公众形象。 Anthropic 在企业市场和编程工具领域持续施压，令 OpenAI 焦虑。这两次收购更像是修补产品线、修复舆论的应急之举，而非战略扩张。
围绕《2025 Lmarena AI 模型基准测试最新排名》展开交流，未登录用户可浏览评论，登录后可参与讨论。
