DesignArena
Платформа для сравнения ИИ-моделей по качеству создаваемых сайтов, игр, презентаций, изображений и других материалов. Пользователи попарно сравнивают результаты выполнения одного задания, не зная названий моделей; на основе их голосов формируются рейтинги.
проверено по: designarena.ai ↗
См. также
- Image ArenaImage Arena — раздел платформы Arena для создания, редактирования и сравнения изображений с помощью моделей искусственного интеллекта. В режиме слепого сравнения пользователи оценивают результаты двух моделей по одному запросу, не зная их названий. На основе голосов формируются отдельные рейтинги моделей для генерации и редактирования изображений.
- Code Arena WebDevРейтинг моделей на платформе Arena (бывшая LMArena) в разделе Code Arena. Он показывает, насколько хорошо модели создают веб-приложения. Две анонимные модели выполняют одно задание пользователя в агентном режиме: планируют работу, создают файлы и дорабатывают код. Пользователь голосует за лучший результат, и по голосам считается рейтинг по системе типа Эло. Рейтинг разделён на категории HTML (одностраничные HTML/CSS/JS) и React (многофайловые приложения). Он сменил прежний рейтинг WebDev Arena, но работает по новой методике, и старые результаты в него не перенесены.
- ArenaОткрытая платформа для сравнения ИИ-моделей, прежде называвшаяся Chatbot Arena и LMArena. Пользователи вслепую сравнивают ответы двух анонимных моделей и голосуют за лучший, а по голосам строится публичный рейтинг. Этим она отличается от обычных бенчмарков с фиксированным набором задач.
- Рейтинг ЭлоМетод расчёта относительной силы участников по результатам их встреч один на один. Его придумал физик Арпад Эло для шахмат, потом метод перешёл в другие игры и виды спорта. Рейтинг растёт после побед и падает после поражений, причём сильнее всего меняется после неожиданного исхода. В оценке ИИ так ранжируют модели по попарным сравнениям их ответов, например на платформах вроде Arena.
В новостях
Qwen4-Max вошла в пятёрку лучших в рейтингах DesignArena по презентациям и таблицам
Площадка, где пользователи сравнивают попарно работы ИИ-моделей по одному заданию — сайты, игры, слайды, картинки — и голосованием составляют рейтинги. Её сделал стартап, прошедший акселератор Y Combinator.