第一名能坐多久
大多数时候,几个月。 LMArena 总榜从 2023 年 5 月到 2026 年 11 月,第一名一共换了 36 次。最长的一任坐了 107 天,最短的只有几天。你今天看到的第一,下个季度大概率已经不是第一了。
学完你能做什么
- 知道榜首更替的大致节奏
- 明白为什么选模型时要留出“换模型”的余地
- 会自己去官方数据集里查历史
数据从哪里来
Arena 在 Hugging Face 上公开了排行榜的历史数据集 lmarena-ai/leaderboard-dataset。每个竞技场有两个部分:latest 是最新一次发布,full 是全部历史。每一行是某次发布时某个模型的分数和排名,带发布日期。
做法是:按发布日期把每次快照的第一名连起来,算每个模型连续坐了多少天。口径说明:
- 一次快照覆盖到下一次发布的前一天;最后一次快照只算 1 天
- 2025 年 5 月 16 日之前用未做风格控制的官方排名,之后用风格控制的排名(和官网默认显示一致)
- 2026 年 10 月 20 日起,官方数据改用展示名,同一模型的新旧名字已经统一
数据截至 2026 年 11 月 18 日。
想自己查每个分类、第 2 名到第 10 名,或者换一种口径,打开小工具 王座时长。下面的数字都可以在里面找到。
- 我知道这些数字来自哪个数据集
三年半,换了 36 次
总榜(官网默认口径):
| 项目 | 数字 |
|---|---|
| 时间范围 | 2023-05-08 至 2026-11-18 |
| 快照次数 | 258 次 |
| 覆盖天数 | 1291 天 |
| 当过第一的模型 | 29 个 |
| 第一名易主 | 36 次 |
单次在位最长的是 claude-fable-5:2026 年 6 月 10 日到 9 月 24 日,107 天。
累计当第一天数最多的五个:
| 模型 | 累计天数 |
|---|---|
| gemini-2.5-pro | 127 天 |
| claude-fable-5 | 107 天 |
| o1-preview | 104 天 |
| gpt-4o-2024-05-13 | 99 天 |
| gemini-3-pro | 82 天 |
考考你1291 天里易主 36 次,平均每任大约坐多久?
- 我能说出榜首大概多久换一次
最近换得更快
最近五任(官网默认口径):
| 模型 | 在位 | 天数 |
|---|---|---|
| claude-opus-4-6-thinking | 2026-05-12 至 06-09 | 29 天 |
| claude-fable-5 | 2026-06-10 至 09-24 | 107 天 |
| claude-opus-5.5-high | 2026-09-25 至 09-29 | 5 天 |
| gemini-4-argon-high | 2026-09-30 至 10-27 | 28 天 |
| Gemini 4 Carbon (High) | 2026-10-28 至 11-18 | 22 天(仍在位) |
不只是总榜。官网默认口径下的 29 个分类里,29 个分类的现任第一都是 2026 年 9 月 1 日之后才登顶的。也就是说,截至 11 月 18 日,没有一个分类的第一名坐满了三个月。
按公司算累计当第一的天数:OpenAI 501 天,Google 259 天,Anthropic 256 天。
风格控制换了谁
同一份数据,换成“未做风格控制”的排名,故事就不一样:单次在位最长变成 gemini-2.5-pro,145 天(2025-06-24 至 2025-11-15);累计第二变成 claude-opus-4-6-thinking,143 天。
这正是上一课讲的:排名取决于你用哪种口径。
这对你选模型意味着什么
- 不要把系统和某一个模型绑死。把模型名写成配置项,换模型只改一行
- 每隔一段时间用自己的评测集(第三站会做)重跑一遍候选模型
- 新的第一刚上榜时投票少、区间宽,可以等几天再看
检查点
- 总榜三年半易主 36 次,单次最长 107 天
- 截至 2026-11-18,29 个分类的第一全是 9 月以后登顶的
- 换一种排名口径,榜首历史就会变
常见误会
“现在的第一会一直领先。” 数据显示,大多数榜首只坐几周到几个月。
“累计天数多就是最好的公司。” 天数和时代有关:早期竞争者少,一个模型可以坐很久。它说明的是历史,不是现在的能力。
下一节
榜首会换,那榜单本身可靠吗?下一节看研究者发现的几个偏差:排行榜第一就最好吗。