代理
依 LMArena 代理排行榜，在代理任務（工具呼叫與多步驟工作）上的模型排名。其分數以零為中心，並非 Elo。
更新日期 · 來源: LMArena, LiteLLM, models.dev
等級由我們自行計算：模型在排行榜中的名次，只計入整個信賴區間都高於它的模型。S — 前 10%，A — 至 30%，B — 至 60%，C — 至 85%，D — 其餘。
先說重點：這不是 Elo
代理排行榜和其他排行榜不同。LMArena 在這裡公布的不是 Elo，而是以零為中心、可正可負的分數。欄位名稱因此是「分數」，並顯示到小數點後三位。請不要把這些數字和文字或程式設計排行榜的 Elo 相比，它們是不同的尺度。
評的是什麼
模型要完成需要呼叫工具的多步驟任務，例如搜尋、讀取檔案或執行指令，再由人評判哪個完成得比較好。這裡的票數以工作階段計算，而不是單一回答。分數高於零，代表比本榜的平均模型更常被選中；低於零則相反。
等級與票數
S、A、B、C、D 等級的規則與其他排行榜相同：計入至少 300 票的模型，名次依信賴區間決定，門檻為 10%、30%、60% 與 85%。票數不足的模型顯示「尚未分級」。
閱讀方式
- 只在這份排行榜內比較模型；
- 信賴區間重疊時，小小的分數差距不代表明確領先；
- 每 1M token 價格與其他榜相同，但代理任務會消耗大量 token，請用試算確認成本。
限制
這是較新的排行榜，模型數量比文字榜少。競技場使用的代理框架也不是您會用的那一套，實際結果可能不同。在這裡表現好的模型，適合拿到 程式設計代理 或 自動化 工具中實測，但不是保證。
聊天與寫作請改看 文字排行榜。來源：評分 LMArena agent；價格 models.dev 與 LiteLLM。