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。
很多 AI 智能体表现“迟钝”，往往并非模型能力不足，而是缺乏记忆机制。Google 技术专家基于 ADK 提出三种解决方案：会话记忆让助手在单次对话中记住上下文；多智能体状态共享支持多个智能体通过键值对协作传递信息；持久化存储则利用数据库替代内存，使智能体能跨越重启记录用户偏好。这些方法能有效解决“金鱼记忆”问题，帮助开发者构建更连贯、具备长期服务能力的个人助理应用。
5 月 7 日，OpenAI 在英、巴等五国启动 ChatGPT 广告内测，并推出三款具备 GPT-5 级推理能力的实时语音模型。广告业务强调隐私与回答独立性，旨在探索免费用户变现路径。新语音模型则支持复杂任务操作，加速企业付费场景落地。此举标志 OpenAI 从技术验证转向商业模式规模化，证明 AI 产品可兼顾用户体验与多元盈利，为行业商业化提供了关键风向标。
如何让 AI 视频拥有电影质感？提示词应采用导演语言而非被动描述，需包含主体、微动作、环境、摄像机、灯光、风格、情绪、物理细节、渲染质量九层结构。文章还总结了微动作工程、摄像机定义、布光逻辑、情绪编码及可控混乱等策略，并提供了多条完整示例。创作者需注意框架易致同质化，真正的竞争壁垒在于对细节分寸和不可模板化判断的把握。
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。
