lmsys+org推出的大模型竞技场chatbot arena，已成为海外最具公信力的大模型榜单之一，但该榜单中文化程度相对不足。近日，上海人工智能实验室联合魔搭社区推出中国大语言模型评测竞技场compass arena，首次集聚国内主流大模型全阵容，阿里通义千问、百度文心一言、腾讯混元、讯飞星火、字节跳动豆包、智谱ai、百川智能、零一万物、月之暗面、minimax、深度求索、书生·浦语等20款国产大模型出战，角逐中国大模型“最强王者”。
相比考题固定的传统测试，大模型竞技场采用盲测、开放的测试模式，可以更全面地检验模型实力。Compass Arena设置了随机、匿名对战，大模型选手们成为“蒙面将”，模型信息隐去后，由系统随机匹配进行PK，用户可以天马行空自由出题，并作为评委主观评判和投票。如果大模型不小心“自报家门”，则对话被过滤，不计入成绩。通过成千上万PK挑战和用户投票，系统将对大模型进行自动排名。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
魔搭社区直播时，网友脑洞大开在线出题
Compass Arena由上海人工智能实验室OpenCompass司南评测体系与魔搭社区联合建设，前者负责组织评测，后者负责开源模型引入及社区打造。据上海人工智能实验室OpenCompass团队介绍，Compass Arena力求体现社区用户的真实反馈，评测机制借鉴Chatbot Arena，采用Elo评分系统，即国际象棋等对弈活动评估的权威标准。在这种模式下，大模型竞技类似“在游戏中打排位”，胜率成为评估模型水平的关键指标，同时随着排位变高，系统也会自动匹配高段位选手进行对战。
Compared to Chatbot Arena, Compass Arena specializes in Chinese natural language processing and covers a wider range of mainstream domestic production models. At the same time, it is widely used in user evaluation, which can better assess the performance of domestic production models.
目前，Compass Arena已汇聚了超过20款商业及社区模型，包括Qwen-Max、ERNIE-4.0-8K、Spark3.5 Max、Abab6.5、GLM4等国内头部厂商的旗舰款大模型，并引入了Llama3、Mixtral等海外标杆模型进行参照。更多模型及厂商还在不断加入中。
立即进入“豆包AI人工智官网入口”；
立即学习“豆包AI人工智能在线问答入口”；
线上不到一周，已有上万人访问魔搭Compass Arena页面。魔搭社区表示，欢迎广大开发者和网友参与大模型排位赛的投票，共同促进国产大模型的进步和赶超。后续，Compass Arena首期排行榜将揭晓，并将定期公布更新。
魔搭社区Compass Arena链接：https://www.php.cn/link/ba5558f4dc6ca08e242176924887026b
Compass Arena首批大模型名单：
Abab6.5-Chat (MiniMax)
Baichuan 4 (百川智能)
C4AI Command R+ (Cohere)
DBRX-Instruct (DataBricks)
Deepseek-LLM-67B-Chat（深度求索）
Deepseek-MoE-16B-Chat（深度求索）
Doubao-Pro-4K (字节豆包)
ERNIE-4.0-8K (百度文心一言)
GLM4 (智谱AI)
Hunyuan-Pro (腾讯混元)
InternLM2系列（上海AILab书生·浦语）
Llama3系列（Meta）
Mixtral 8x22B Instruct (Mistral)
MoonShot-V1-32K (月之暗面)
Qwen1.5系列 (阿里通义千问)
Qwen-Max (阿里通义千问)
Spark3.5-Max (讯飞星火)
Yi-34B-Chat (零一万物)
Yi-Large (零一万物)
