上游公布将于 2026-12-11 下线。
OpenRouter 评测
在 OpenRouter 查看Design Arena 设计对战
真人对比两个模型完成的同一设计任务并投票,按胜负计算 ELO 分;排名是同类别所有参赛模型里的名次。
- 数据可视化#55 / 156
1218
ELO · 胜率 60.5%
- SVG 矢量图#43 / 117
1178
ELO · 胜率 64.1%
- 游戏开发#74 / 166
1173
ELO · 胜率 59.3%
- UI 组件#81 / 162
1168
ELO · 胜率 57.4%
- 网站#90 / 177
1175
ELO · 胜率 53.7%
- 数据可视化#81 / 156
1173
ELO · 胜率 50.5%
- 网站#93 / 177
1173
ELO · 胜率 55.2%
- 游戏开发#91 / 166
1143
ELO · 胜率 52.2%
- 编程综合#93 / 168
1156
ELO · 胜率 54.5%
- 编程综合#98 / 168
1153
ELO · 胜率 51.8%
- SVG 矢量图#72 / 117
1117
ELO · 胜率 52%
- UI 组件#103 / 162
1133
ELO · 胜率 49.5%
- ASCII 字符画#59 / 89
1124
ELO · 胜率 49%
- 3D 场景#128 / 157
1035
ELO · 胜率 41.3%
- 3D 场景#138 / 157
1006
ELO · 胜率 39.6%
OpenRouter 实测
OpenRouter 自己调用模型跑的评测,附每道题的平均花费,可以和价格一起看。
GPQA Diamond
研究生水平的科学选择题 · 396 题 · 测于 2026年10月2日
85.7%正确率每题 $0.21τ-bench 航空客服
按航空公司规则调用工具处理客户请求 · 100 题 · 测于 2026年10月2日
67.3%正确率每题 $0.629
数据来源:OpenRouter benchmarks API(Design Arena 评分由 OpenRouter 转载),本站同步于 。
