排行榜（Leaderboard）是按特定评测指标对多个模型排序的榜单，是大模型生态的核心信息载体。它让用户快速比较不同模型的能力，也是厂商竞争的焦点。 排行榜按评测方式分为：自动基准排行榜（如Open LLM Leaderboard，基于MMLU等自动评分）、人类偏好排行榜（如Chatbot Arena，基于Elo评分）、综合排行榜（如Artificial Analysis，聚合多维度）。不同排行榜各有侧重，应结合参考。 使用排行榜需注意：评测数据是否污染、指标是否契合自身需求、模型版本是否最新、是否区分闭源/开源/微调。盲目追求榜首模型不一定最优，应结合价格、延迟、上下文等综合考量。